本研究构建了南药病虫害图像数据集并提出了南药病虫害检测轻量化模型以提供诊断防治。以YOLOv5s为基础,使用更轻、更快的轻量化网络Mobile Net V3作为主干网络提取特征,加入了神经网络架构搜索(NAS)和h-swish激活函数,得到轻量化后的YO...本研究构建了南药病虫害图像数据集并提出了南药病虫害检测轻量化模型以提供诊断防治。以YOLOv5s为基础,使用更轻、更快的轻量化网络Mobile Net V3作为主干网络提取特征,加入了神经网络架构搜索(NAS)和h-swish激活函数,得到轻量化后的YOLOv5s-M检测模型,构建的数据集包含南药病虫害图像1693幅,其中病害种类包括鞘翅目、同翅目、鳞翅目和异鳃总目等11目昆虫,实验结果表明:基于YOLOv5s-M的南药病虫害检测模型平均检测精度达到了95.7%,参数量下降了30%,浮点运算次数下降了43.7%,模型内存占用量为21.561MB,YOLOv5s-M模型内存均小于Faster R-CNN、SSD、YOLOv3。所提出YOLOv5s-M南药病虫害检测模型更加轻量化,准确且快速检测图像中南药病虫害,可为病虫害绿色防控提供检测手段,推动绿色防控技术与绿美生态的融合。展开更多
文摘本研究构建了南药病虫害图像数据集并提出了南药病虫害检测轻量化模型以提供诊断防治。以YOLOv5s为基础,使用更轻、更快的轻量化网络Mobile Net V3作为主干网络提取特征,加入了神经网络架构搜索(NAS)和h-swish激活函数,得到轻量化后的YOLOv5s-M检测模型,构建的数据集包含南药病虫害图像1693幅,其中病害种类包括鞘翅目、同翅目、鳞翅目和异鳃总目等11目昆虫,实验结果表明:基于YOLOv5s-M的南药病虫害检测模型平均检测精度达到了95.7%,参数量下降了30%,浮点运算次数下降了43.7%,模型内存占用量为21.561MB,YOLOv5s-M模型内存均小于Faster R-CNN、SSD、YOLOv3。所提出YOLOv5s-M南药病虫害检测模型更加轻量化,准确且快速检测图像中南药病虫害,可为病虫害绿色防控提供检测手段,推动绿色防控技术与绿美生态的融合。
