|本期目录/Table of Contents|

[1]李名博,任东悦,郭俊旺,等.基于改进YOLOX-S的玉米病害识别[J].江苏农业科学,2024,52(3):237-246.
　Li Mingbo,et al.Maize disease identification based on improved YOLOX-S[J].Jiangsu Agricultural Sciences,2024,52(3):237-246.
点击复制

基于改进YOLOX-S的玉米病害识别(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第52卷
期数:
2024年第3期
页码:
237-246
栏目:
农业工程与信息技术
出版日期:
2024-02-20

文章信息/Info

Title:
Maize disease identification based on improved YOLOX-S
作者:
李名博; 任东悦; 郭俊旺; 卫勇
天津农学院工程技术学院，天津 300380
Author(s):
Li Mingbo; et al
关键词:
病害识别; 深度学习; 改进型YOLOX-S; 数据增强; 模型部署
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
在玉米病害的影响下，玉米产量下降，其中大部分病害症状均反映在玉米的叶片上。针对人工识别叶片费时、费力、准确率低的问题提出了一种基于改进YOLOX-S网络的玉米病害识别模型，并将该模型部署到Atlas 200DK开发板中。该研究在YOLOX-S的基础上添加了4个CBAM注意力机制模块，其中3个注意力机制模块添加到网络的Backbone与Neck之间，第4个注意力机制模块添加到SPPBottleneck的2次上采样结果后，通过使用不同的权重来调整不同病害特征细节的重要程度，能够提高模型收敛速度，有效提升模型的识别精度，并基于Atlas 200DK开发板的特性及相关属性，将改进后的模型部署到开发板当中，实现了算法的移植。结果表明，改进后的YOLOX-S网络模型与YOLO v3、YOLO v4、Faster R-CNN 模型相比，在识别率与精确性方面有着显著的优势，与原模型相比，识别准确率(mAP值)提高0.2百分点，改进后的YOLOX-S网络模型对玉米病害的识别准确率高达98.75%，并且部署到Atlas 200DK开发板的模型仍然发挥良好的检测性能，可以为识别玉米病害提供参考。
Abstract:
-

参考文献/References:

［1］边柯橙. 基于深度学习的玉米常见病害图像识别研究及应用［D］. 兰州：兰州财经大学，2021.
［2］Hasan M M，Chopin J P，Laga H，et al. Detection and analysis of wheat spikes using convolutional neural networks［J］. Plant Methods，2018，14(1)：1-13.
［3］Chen R C. Automatic license plate recognition via sliding-window darknet-YOLO deep learning［J］. Image and Vision Computing，2019，87：47-56.
［4］毕春光，王金龙，胡楠，等. 基于贝叶斯神经网络的玉米病害预警模型［J］. 吉林农业大学学报，2021，43(2)：189-195.
［5］毛彦栋，宫鹤. 基于SVM和DS证据理论融合多特征的玉米病害识别研究［J］. 中国农机化学报，2020，41(4)：152-157.
［6］Atila ，Uar M，Akyol K，et al. Plant leaf disease classification using EfficientNet deep learning model［J］. Ecological Informatics，2021，61：101182.
［7］Cao S H，Xu D A，Hanif M，et al. Genetic architecture underpinning yield component traits in wheat［J］. Theoretical and Applied Genetics，2020，133(6)：1811-1823.
［8］Ferentinos K P. Deep learning models for plant disease detection and diagnosis［J］. Computers and Electronics in Agriculture，2018，145：311-318.
［9］胡志伟，杨华，黄济民，等. 基于注意力残差机制的细粒度番茄病害识别［J］. 华南农业大学学报，2019，40(6)：124-132.
［10］赵越. 基于深度学习田间麦穗检测计数方法研究［D］. 天津：天津农学院，2021.
［11］洪敏杰，吴刚，刘星辰，等. 基于注意力机制的肺结节检测算法［J］. 计算机工程与设计，2021，42(1)：83-88.
［12］Militante S V，Gerardo B D，Dionisio N V. Plant leaf detection and disease recognition using deep learning［C］//2019 IEEE Eurasia Conference on IOT，Communication and Engineering (ECICE). Yunlin，Taiwan，China：IEEE，2019：579-582.
［13］张开兴，吕高龙，贾浩，等. 基于图像处理和BP神经网络的玉米叶部病害识别［J］. 中国农机化学报，2019，40(8)：122-126.
［14］杨蜀秦，王帅，王鹏飞，等. 改进YOLOX检测单位面积麦穗［J］. 农业工程学报，2022，38(15)：143-149.
［15］汪苏平. 基于华为芯片的人脸属性识别［D］. 南京：东南大学，2021.

相似文献/References:

[1]徐凯宏,米雅婷,谷志新.基于GA-BP神经网络的温室番茄病害诊断[J].江苏农业科学,2016,44(04):387.
　Xu Kaihong,et al.Diagnosis of tomato disease in greenhouse based on GA-BP network[J].Jiangsu Agricultural Sciences,2016,44(3):387.
[2]张会敏,张云龙,张善文,等.基于区分矩阵的属性约简算法的作物病害识别方法[J].江苏农业科学,2015,43(01):387.
　Zhang Huimin,et al.A crop disease recognition method based on attribute reduction of discernibility matrix[J].Jiangsu Agricultural Sciences,2015,43(3):387.
[3]张云龙,袁浩,张晴晴,等.基于颜色特征和差直方图的苹果叶部病害识别方法[J].江苏农业科学,2017,45(14):171.
　Zhang Yunlong,et al.Apple leaf disease recognition based on color characteristics and differential histogram[J].Jiangsu Agricultural Sciences,2017,45(3):171.
[4]刁智华,刁春迎,魏玉泉,等.机器人系统中小麦病害识别与施药算法研究[J].江苏农业科学,2017,45(17):192.
　Diao Zhihua,et al.Study on wheat disease identification and spraying algorithm in robot system[J].Jiangsu Agricultural Sciences,2017,45(3):192.
[5]梁万杰,曹宏鑫.基于卷积神经网络的水稻虫害识别[J].江苏农业科学,2017,45(20):241.
　Liang Wanjie,et al.Identification of rice insect pests based on CNN model[J].Jiangsu Agricultural Sciences,2017,45(3):241.
[6]赵建敏,李艳,李琦,等.基于卷积神经网络的马铃薯叶片病害识别系统[J].江苏农业科学,2018,46(24):251.
　Zhao Jianmin,et al.Potato leaf disease identification system based on convolutional neural network[J].Jiangsu Agricultural Sciences,2018,46(3):251.
[7]李懿超,沈润平,黄安奇.基于深度学习的湘赣鄂地区植被变化及其影响因子关系模型[J].江苏农业科学,2019,47(03):213.
　Li Yichao,et al.Study on relational model between vegetation change and its impact factors based on deep learning in Hunan， Jiangxi and Hubei areas[J].Jiangsu Agricultural Sciences,2019,47(3):213.
[8]刁智华,袁万宾,刁春迎,等.病害特征在作物病害识别中的应用研究综述[J].江苏农业科学,2019,47(05):71.
　Diao Zhihua,et al.Application of disease characteristics in crop disease identification：a review[J].Jiangsu Agricultural Sciences,2019,47(3):71.
[9]林彬彬,邱新法,何永健,等.茶树病害智能诊断识别算法研究[J].江苏农业科学,2019,47(06):85.
　Lin Binbin,et al.Study on intelligent diagnosis and recognition algorithm for tea diseases[J].Jiangsu Agricultural Sciences,2019,47(3):85.
[10]刘嘉政.基于深度迁移学习模型的花卉种类识别[J].江苏农业科学,2019,47(20):231.
　Liu Jiazheng.Flower species identification based on deep transfer learning model[J].Jiangsu Agricultural Sciences,2019,47(3):231.
[11]李豫晋,沈陆明,何少芳,等.基于改进MobileNet v3的苹果叶片病害识别研究[J].江苏农业科学,2024,52(12):224.
　Li Yujin,et al.Identification of apple leaf diseases based on improved MobileNet v3[J].Jiangsu Agricultural Sciences,2024,52(3):224.

备注/Memo

备注/Memo:
收稿日期：2023-03-28
基金项目：天津市科技计划(编号：21YDTPJC00600)。
作者简介：李名博(1998—)，男，山西晋中人，硕士研究生，研究方向为深度学习，E-mail：1634221386@qq.com；共同第一作者：任东悦(1996—)，男，河北张家口人，硕士研究生，研究方向为深度学习，E-mail：2374458050@qq.com。
通信作者：郭俊旺，硕士，研究方向为智能农机装备设计研究，E-mail：tngjw2004@163.com；卫勇，博士，教授，研究方向为智能农机装备，E-mail：weiytj@qq.com。
更新日期/Last Update: 2024-03-05