摘要
为解决苹果叶部病害能被快速及准确地识别问题,提出并验证了一种改进的YOLOv10-n模型。通过引入空间金字塔池化增强局部注意力网络(spatial pyramid pooling efficient lightweight aggregation network,SPPELAN)替换YOLOv10-n模型主干网络中的空间金字塔池化-快速模块(spatial pyramid pooling-fast,SPPF)以提升主干网络的多尺度特征融合能力,并采用组洗牌卷积(ghost convolution,GSConv)优化检测头部的计算效率。实验结果表明,改进后的YOLOv10-n模型对未参与训练的711幅图像的检测速度达1.4 ms/幅,与原模型相比每幅图像的检测速度提升了28.6%,mAP@50提升2.32%,参数量减少6.47%。与基于单阶段目标检测框架下的YOLOv3-SPP、YOLOv6和两阶段目标检测框架下的RT-DETR相比,mAP@50分别提升72.95%、6.58%和121.92%。
作者
王涛
陈璇
WANG Tao;CHEN Xuan
出处
《信息技术与信息化》
2025年第8期22-24,共3页
Information Technology and Informatization
