-
题名基于改进RT-DETR的番茄叶片病害检测算法
- 1
-
-
作者
尤婷
陈琳
汪巧航
-
机构
长江大学计算机科学学院
长江大学数字农业与智能工程研究中心
长江大学人工智能科研平台
-
出处
《农机化研究》
北大核心
2026年第7期150-158,共9页
-
基金
中国高校产学研创新基金项目(2020ITA03012)。
-
文摘
针对番茄叶片病害检测中存在的模型计算冗余高、病斑尺度跨度大和环境背景复杂等挑战,提出了改进RT-DETR的检测算法LH-DETR,旨在提升设施农业的作业效率与识别精度。首先,在骨干网络中引入FasterBlock模块,通过利用部分卷积(PConv)替代传统卷积算子,重点减少空间特征提取中的冗余计算与内存访问成本,在最大限度保持特征完整性的同时,实现了模型的轻量化升级。其次,构建了基于高效局部注意力的层级尺度特征金字塔(ELA-HSFPN),通过强化深层语义特征与浅层细节特征之间的跨层级交互,有效解决了微小早期虫害与大面积病斑并存导致的多尺度检测难题。最后,系统集成了结合重参数化技术与注意力机制的AIFI_RepBN模块,能够精准抑制复杂的叶脉纹理和光照不均等环境干扰,进一步提升了复杂背景下的特征辨识度。试验结果表明:LH-DETR模型的精确率、召回率、平均精度均值分别为95.5%、92.7%和96.1%,相较于原始RT-DETR模型,分别提升了3.4、4.7和4.4个百分点,模型参数量减少了6.0 M(下降约29.9%),计算量降低了17.7 GFLOPs(下降约30.4%)。该方法实现了检测精度与计算效率的平衡,可为设施农业番茄病害智能监测提供技术支撑。
-
关键词
番茄叶病害
目标检测
RT-DETR
多尺度特征融合
轻量化模型
注意力机制
-
Keywords
tomato leaf disease
target detection
rt-dert
multi-scale feature fusion
lightweight model
attention mechanism
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进RT-DETR的金属管件分类检测
- 2
-
-
作者
王荣业
刘英明
陈洪健
杨钊懿
-
机构
山东建筑大学信息与电气工程学院
-
出处
《自动化与仪表》
2025年第11期97-103,共7页
-
基金
山东省自然科学基金项目(ZR2022MF309)。
-
文摘
为了提高金属管件的分类识别效率,该文提出了一种基于改进RT-DERT的金属管件分类检测方法。首先,将Dilated Re-param Block应用于扩张型Residual模块,将大核卷积和并行小核卷积结合使用,融合多尺度感知生成的特征图,提高了特征提取能力;其次,用Hilo注意力取代了多头自注意力机制,减少了参数数量和计算负载,提高了实时性能;最后,提出了一种新的边界框回归损失函数Focaler-GIoU,它结合Focal Loss关注困难样本,并利用GIoU优化边界框回归,从而提高对难分类管件的检测精度与鲁棒性。实验结果表明,相较于基准模型准确率P提高了4.9%,召回率提高了4.7%,平均精度均值mAP@50提高了3.8%,参数量减少了8.2 m,FPS提高了8,可以更好地完成工业生产的分类任务。
-
关键词
金属管件
改进rt-dert
DWR-DRB
Hilo注意力机制
Focaler-GIoU
-
Keywords
metal pipe fittings
improved rt-dert
DWR-DRB
Hilo attention mechanism
Focaler-GIoU
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
