-
题名基于改进RT-DETR的草莓病害检测方法
- 1
-
-
作者
王海瑞
胡灿
朱贵富
蒋晨
-
机构
昆明理工大学信息工程与自动化学院
昆明理工大学信息化建设管理中心
昆明理工大学-曙光信息产业股份有限公司AI联合研究中心
-
出处
《湖南大学学报(自然科学版)》
北大核心
2025年第12期176-188,共13页
-
基金
国家自然科学基金(61863016)。
-
文摘
我国作为世界上最大的草莓生产国,准确检测草莓病害是保障草莓品质和产量的有效手段.针对草莓病害在复杂背景下检测精度不高及细微病害检测困难的问题,提出了一种改进RT-DETR(real-time detection transformer)网络的草莓病害检测方法 .首先,使用AdditiveBlock-CGLU模块对主干特征提取网络进行重构,以增强模型在复杂背景干扰下对深层关键特征的表征能力.其次,提出多尺度跨层特征融合金字塔网络(multi-scale cross-layer block feature fusion pyramid network,MS-CBFPN)优化模型的特征融合部分,使其能更有效整合不同层级信息并充分捕捉图像上下文信息,从而提高模型对细微病害特征的检测能力.最后,在特征交互模块(attention-based intra-scale feature interaction,AIFI)中引入渐进式重参数化批量归一化(progressive re-parameterized batch normalization,PRepBN)结构,通过动态调整学习率及重参数化方法,使模型更好地适应不同训练阶段的变化,进一步增强模型对草莓病害的检测性能.实验结果表明,改进模型在检测草莓病害的准确率、召回率、mAP@0.5、mAP@0.5:0.95和F1得分五项指标上分别提升了3.4、7.6、3.3、8.0和5.6个百分点,且相对于其他模型也具有优势,表明改进的RT-DETR模型是一种在复杂场景下有效的草莓病害检测模型.
-
关键词
目标检测
病害检测
RT-DETR
cas-vit
EMCAD
PRepBN
-
Keywords
object detection
disease detection
RT-DETR
convolutional additive self-attention vision transformers
EMCAD
progressive re-parameterized batch normalization
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
S24
[农业科学—农业电气化与自动化]
-
