河南农业科学 ›› 2023, Vol. 52 ›› Issue (5): 162-169.DOI: 10.15933/j.cnki.1004-3268.2023.05.019
李伟豪1,詹炜1,周婉1,韩涛1,王佩文1,刘虎1,熊梦园1,孙泳1,2
LI Weihao1,ZHAN Wei1,ZHOU Wan1,HAN Tao1,WANG Peiwen1,LIU Hu1,XIONG Mengyuan1,SUN Yong1,2
摘要: 针对现有茶叶病害识别方法准确率低、模型运行速度慢和缺乏检测功能等问题,提出一种新的Yolov7-TSA(Yolov7-Tiny-SiLU-Attention)轻量型网络架构对茶叶病害检测和分类。将Yolov7-T网络中的LeakReLU激活函数替换为SiLU激活函数,以提升检测精度,并防止过拟合。同时,通过融合坐标注意力机制进一步提升对目标轮廓和空间位置的特征感知能力。在含8种茶叶病害(含健康茶叶)的数据集上试验。结果表明,Yolov7-TSA网络对茶叶病害的识别准确率达到了94.2%,与Yolov7-T、Yolov7网络相比,分别提升了3.2、1.2个百分点。另外,Yolov7-TSA网络在参数量、浮点运算数、模型大小和单张图片推理时间方面表现出了显著的效果,与Yolov7网络相比,其分别降低了83%、87%、83%和34%。该网络模型实现了对茶叶病害的检测与分类,同时平衡了识别准确率和实时性能。
中图分类号: