多源场景下粘虫板小目标害虫轻量化检测识别模型

文献类型： 中文期刊

第一作者： 杨信廷

作者： 杨信廷;胡焕;陈晓;李汶政;周子洁;李文勇

作者机构：

关键词： 小目标;害虫检测;轻量化;粘虫板;多源场景;MobileNetV4;YOLOv5s

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2025 年 7 卷 001 期

页码： 111-123

摘要： [目的/意义]为了解决多源场景下粘虫板图像中粉虱和蓟马两种害虫由于个体小难以精确检测以及设备计算资源受限的问题，本研究基于YOLOv5s提出了一种名为MobileNetV4+VN-YOLOv5s的小目标图像轻量化检测识别模型。[方法]模型框架结合MobileNetV4主干网络构建EM模块，实现特征提取网络结构的优化和精度的提升；在模型颈部引入轻量化模块GSConv和VoV-GSCSP，替代普通卷积，降低模型复杂度；最后添加NWD (Normalized Wasserstein Distance)损失函数，用于增强小目标的判别敏感度与定位能力。[结果和讨论]所提出模型在室内场景下对小目标害虫的检测性能最佳，平均检测精度为82.5%，较原始模型YOLOv5s提升了8.4%；模型参数量降低了3.0 M，帧率提升了6.0帧/s；在室外场景下，所提出模型的平均精度为70.8%，较YOLOv5s提升了7.3个百分点，参数量降低了3.0 M，帧率提升了5.5帧/s；在混合场景下，模型的平均精度为74.7%，较YOLOv5s提升了8.0个百分点，参数量降低了3.0 M，帧率提升了4.3帧/s。同时研究发现，对原始图像进行裁剪分割能够影响模型性能，在采用5×5的比率对原图进行分割下模型的检测识别性能最佳；利用室内场景数据训练的模型能够在所有场景下都获得最佳的检测性能。[结论]本研究提出的MobileNetV4+VN-YOLOv5s模型兼顾轻量化和精度，模型可部署到嵌入式设备，便于落地应用，可为各种多源场景下粘虫板图像中小目标害虫检测提供参考。

分类号： S433%TP391.41

  • 相关文献

[1]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

[2]基于Faster R-CNN的海面垃圾检测研究. 韦波,张衡,王斐,王书献,杨昱皞,姚宇青,戴阳. 2022

[3]农业害虫检测的深度学习算法综述. 蒋心璐,陈天恩,王聪,李书琴,张宏鸣,赵春江. 2023

[4]大田环境下的农业害虫图像小目标检测算法. 蒋心璐,陈天恩,王聪,赵春江. 2024

[5]基于YOLOv5改进模型的水稻害虫检测算法研究. 杨凯航,朱铮涛,罗雄炜,陈树雄,李益威,张彬. 2023

[6]复杂场景下害虫目标检测算法:YOLOv8-Extend. 张荣华,白雪,樊江川. 2024

[7]基于改进YOLOV5s网络的奶牛多尺度行为识别方法. 白强,高荣华,赵春江,李奇峰,王荣,李书琴. 2022

[8]基于机器视觉的鲐鱼鱼体定向排列输送装置设计与试验. 万鹏,黄毓毅,汪荣,李梦珂,肖畅宇,吴文锦. 2023

[9]目标检测算法YOLOv5s用于柑桔成熟果实检测的改进. 蹇川,郑永强,刘艳梅,马岩岩,易时来,吕强,谢让金. 2024

[10]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[11]机采茶叶嫩芽的图像采集与识别. 俞龙,黄浩宜,周波,黄楚斌,唐劲驰,胡春筠. 2024

[12]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

[13]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

[14]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

[15]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

[16]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

[17]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

[18]轻型拖车车架设计和静动力学仿真研究. 石凯飞. 2022

[19]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

[20]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

作者其他论文 更多>>

微信小程序