基于YOLOv3的多类烟草叶部病害检测研究

基于YOLOv3的多类烟草叶部病害检测研究

刘延鑫;王俊峰;杜传印;丁睿柔;高强;宗浩;姜红花

【期刊名称】《中国烟草科学》

【年(卷),期】2022(43)2

【摘要】烟草叶部病害种类繁多,病理复杂,严重影响烟草产量及品质,烟草病害精准检测是烟草病害及时防治的前提。传统检测方式精准性差、效率低,基于深度学习的算法可提高烟草病害检测准确性。本文以5种较为常见的烟草病害(普通花叶病、黄瓜花叶病毒病、赤星病、烟草野火病、气候性斑点病)为研究对象,构建基于YOLOv3的烟草病害检测模型,实现烟草多类病害的精准快速检测。使用Darknet53特征网络提取烟叶病害特征并将不同尺度病害特征融合,并用K-means++算法对融合后特征进行分类和位置预测,通过非极大值抑制算法(NMS)去除冗余框,得到病害区域预测框。用田间实际采集的烟草病害数据集,对构建的YOLOv3病害检测模型与SSD(Single Shot multibox Detector)模型对比测试。结果表明,YOLOv3的mIoU为0.81,明显优于SSD的0.73,且YOLOv3模型的mAP为0.77,也高于SSD的0.69。本研究构建的YOLOv3烟草病害检测模型能有效定位烟叶病害区域,实现多类烟草病害的检测,为精准病害防治提供参考。【总页数】7页(P94-100)

【作者】刘延鑫;王俊峰;杜传印;丁睿柔;高强;宗浩;姜红花

【作者单位】山东农业大学信息科学与工程学院;山东潍坊烟草有限公司;山东临沂烟草有限公司

【正文语种】中文

【中图分类】S43

【相关文献】

1.甘草叶部病害研究进展简述

2.烟塔类特种结构病害鉴定及加固修复技术研究

3.基于改进YOLOv3的小目标检测方法研究

4.基于改进YOLOv3的机坪工作人员反光背心检测研究

5.基于GLCM纹理特征提取的黄瓜叶部病害检测算法研究

因版权原因，仅展示原文概要，查看原文内容请购买