基于DCA-YOLO的受病虫害侵染树木农业无人机低空检测模型

文献类型： 中文期刊

第一作者： 徐相华

作者： 徐相华;周德靖;余超然;熊万杰;熊韵诗;吴柏颖;郑璇珠;区德源

作者机构：

关键词： 病虫害树木;无人机检测;动态通道注意力;轻量化;GhostNetv2;DCA-YOLO

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2025 年 56 卷 010 期

页码： 479-491

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对农业无人机在低空环境对受病虫害侵染的树木进行多尺度目标检测与定位时精度、准度不高与计算开销过大等问题，提出了一种适用于低空作业的改进目标检测算法DCA-YOLO。首先引入DCA动态通道注意力机制，与双分支协同注意力一同动态调整特征的学习权重，增强对目标多尺度特征与上下文信息的感知能力；在P2层添加小目标增强检测模块，并在P2、P4层的检测头处添加DCA注意力机制，有效优化中小目标的检测性能；引入Inner-IoU损失函数，提高在复杂环境背景下易混淆目标的精细识别能力。为保证模型的流畅运行，使用轻量化的GhostNetv2优化主干网络，将模型参数量减少至2.34×10～6,轻量化效果显著。使用改进的BiFPN优化颈部网络以进一步增强特征的重学习能力。实验结果表明：相比于原模型，DCA-YOLO在增广验证集上的mAP0.5提高5.2个百分点，检测精度提高5.6个百分点，召回率提高7.1个百分点，同时参数量降低6.7×10～5,浮点计算量减少26.4%,内存占用量减少16.2%,最终保持87.6%的精确率，87.4%的召回率，93.1%的平均精度均值，得到DCA的通道动态权重分配贡献度(0.41±0.07)与负样本抑制能力(-0.12±0.03),在模型轻量化的条件下有效地优化误检漏检的缺陷。DCA-YOLO通过多模块协同改进显著提高模型精度，可满足农业无人机对病虫害侵染的树木进行实时高精度检测的应用需求。

分类号： S763%TP183%TP391.41

  • 相关文献

[1]基于改进YOLOv8n卷积神经网络的玉米雄穗检测方法. 胡冬,班松涛,马超,田明璐,袁涛,李琳一,庄洁. 2025

[2]一种剑麻装载机的轻量化设计与应用. 陈涛,金刚,覃旭,黄显雅,彭欣怡,刘明,吴密,周肇峰. 2021

[3]基于轻量化卷积神经网络的改进模型与验证. 李润龙,王运圣,徐识溥,刘勇. 2020

[4]改进Multi-scale ResNet的蔬菜叶部病害识别. 王春山,周冀,吴华瑞,滕桂法,赵春江,李久熙. 2020

[5]喷雾机喷杆结构的研究现状及展望. 乔白羽,丁素明,薛新宇,崔龙飞,周晴晴,张亚萍. 2017

[6]基于LW-YOLOv3模型的棉花主茎生长点检测与定位研究. 孙想,吴华瑞,朱华吉,杨雨森,陈诚,何思琪,王春山. 2021

[7]电驱自走式农机测试平台的设计. 余涛,刘俊杰,杨存志,叶岩,孙先明,李国林. 2021

[8]轻型拖车车架设计和静动力学仿真研究. 石凯飞. 2022

[9]基于RDN-YOLO的自然环境下水稻病害识别模型研究. 廖娟,刘凯旋,杨玉青,严从宽,张爱芳,朱德泉. 2024

[10]基于改进YOLOv4算法的番茄叶部病害识别方法. 储鑫,李祥,罗斌,王晓冬,黄硕. 2023

[11]基于改进YOLO v5s的轻量化植物识别模型研究. 马宏兴,董凯兵,王英菲,魏淑花,黄文广,苟建平. 2023

[12]基于 YOLOV5-MobilenetV3和声呐图像的鱼类识别轻量化模型. 罗毅智,陆华忠,周星星,袁余,齐海军,李斌,刘志昌. 2023

[13]基于边缘设备的轻量化小目标果实检测模型. 张文利,陈开臻,刘鈺昕,段玉林,郭威,史云. 2021

[14]果园凿型铲式深松机优化设计与试验. 李亚丽,曹中华,湛小梅,杨清慧,崔晋波,李英. 2021

[15]融合注意力机制的荔枝轻量化检测方法研究. 王聪,文晟,兰玉彬,严倩,姜永华,张建桃,罗菊川. 2025

[16]基于YOLOv8的竹笋分割方法研究. 郑镇辉,张淡然,王槊,韦丽娇,吴海韵,肖景丰. 2025

[17]多源场景下粘虫板小目标害虫轻量化检测识别模型. 杨信廷,胡焕,陈晓,李汶政,周子洁,李文勇. 2025

[18]基于改进YOLO v8的轻量化稻瘟病孢子检测方法. 罗斌,李家超,周亚男,潘大宇,黄硕. 2024

[19]基于RT-WEDT的麦穗检测与计数方法. 李婕,杨子豪,郑权,乔江伟,涂静敏. 2024

[20]基于AIC-YOLOv11n模型的砀山梨多表面缺陷检测方法. 李成轩,赵春江,张驰,黄文倩,李佳琪,何鑫,王庆艳. 2025

作者其他论文 更多>>

微信小程序