基于混合注意力机制和云数据平台的蝗虫识别系统研究
李军1
马行2
穆春阳3
王梦雪1
刘宝成1
李亚东1
1.北方民族大学电气信息工程学院,宁夏 银川 7500212.北方民族大学电气信息工程学院,宁夏 银川 750021;北方民族大学宁夏智能信息与大数据处理重点实验室,宁夏 银川 7500213.北方民族大学宁夏智能信息与大数据处理重点实验室,宁夏 银川 750021;北方民族大学机电工程学院,宁夏 银川 750021
摘要：为帮助农林业解决自然条件下蝗虫目标小、识别精度低、虫情数据掌握不及时的问题,减少农林业生产损失,现以深度学习为基础,提出一种改进的YOLOv4-tiny蝗虫目标识别模型.首先针对蝗虫目标小的特点,为提升模型在复杂背景下的细节特征提取能力和小目标识别能力,分别在加强特征提取网络的输入位置和第一次卷积结果输出位置添加混合注意力机制CBAM(convolutional block attention module);然后针对以往虫情识别无实时数据传输的问题,通过对模型的YOLO Head预测模块修改,嵌入云数据平台,实现模型对蝗虫虫情即时云端数据存储与解析功能;最后将改进后的模型移植到Jetson Xavier NX嵌入式设备,使用Ten-sorRT加速神经网络的推理,设计了一套便携式蝗虫识别系统.试验结果表明,在自制数据集下,改进后的模型平均精度达到 94.69%,在嵌入式设备上的实时检测速度达到 28FPS,模型大小仅为 23.6 MB.该系统的研发可为农林业蝗虫虫情识别提供新思路.
关键词：蝗虫识别YOLOv4-tinyCBAM云数据平台Jetson Xavier NX
分类号：S126:TP391.41(农业物理学)
资助基金：宁夏回族自治区重点研发计划项目(2021BEE03002)宁夏自然科学基金项目(2020AAC03201)宁夏回族自治区科技创新领军人才培养工程项目(2021GKLRLX08)宁夏回族自治区银川市科技创新项目(2022GX04)
论文发表日期：2023-08-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：10( 148-157 )
英文信息