摘要
为提高自然环境中宁夏枸杞害虫识别的精度,提出一种基于优化YOLO v11的宁夏枸杞害虫检测模型(YOLO v11-LGL)。该模型通过引入大型可分离核注意力机制,优化了主干网络中的空间金字塔池化层,增强对多尺度特征的提取能力,从而提高了检测性能。此外,采用收集和分发机制(GD)改进了特征融合,使模型能更精确地整合不同层级的特征信息。为保持模型的轻量化,创新性地设计了一种轻量化检测头,结合了GroupNorm、共享卷积和Scale层技术,实现了在减少参数量和计算量的同时,保持了高精度。试验结果表明,YOLO v11-LGL在检测宁夏枸杞常见14类害虫时,mAP@0.5达到了85.6%,提升了5.2百分点,mAP@0.5~0.95提升了6.3百分点,显示出更强大的目标检测能力。识别准确率增加了0.7百分点,召回率显著提升了9.9百分点,减少了漏检和误检。这些成果证明了模型在枸杞害虫检测上的优越性,为枸杞产业的智能化发展提供了有力支持。为验证模型的实际效果,开发了一个基于PyQt5的用户友好界面,该系统支持图片和视频检测,以及摄像头实时跟踪识别功能,识别结果可以保存,以便后续分析。这个系统以其简便的操作、直观的界面和优越的实时性能,为宁夏枸杞种植中的害虫识别问题提供了一个高效的解决方案,并具有实际推广的潜力。
出处
《江苏农业科学》
北大核心
2025年第20期243-253,共11页
Jiangsu Agricultural Sciences
基金
宁夏自然科学基金(编号:2023AAC03353)。
