基于改进YOLOv7-tiny算法的多种类不均衡样本水稻害虫检测
李鑫
南新元
新疆大学电气工程学院,新疆 乌鲁木齐 830017
摘要：为实现基于机器视觉的田间水稻害虫检测,本研究结合IP102 农业害虫数据集及网络资源,建立了含有 26 类标签的不均衡样本水稻害虫数据集;改进YOLOv7-tiny单阶段目标检测算法,以部分卷积PConv作为主要卷积核,结合极化自注意力机制(Polarized Self-Attention),将提取到的特征进行复杂双向多尺度特征融合,建立了适合多种类不均衡样本的水稻害虫检测模型.结果表明,在加入迁移学习和多尺度训练的条件下,改进后的YOLOv7-tiny检测算法在自建水稻害虫数据集的平均检测精度达到 96.4%,单张图片的检测时间为 8.8 ms,模型大小为 9 055 kb,可实现对田间水稻害虫的快速准确识别,为水稻害虫的智能化检测和防治提供了技术支持.
关键词：水稻害虫检测改进YOLOv7-tiny算法部分卷积极化自注意力机制特征融合迁移学习
分类号：S434.112(病虫害及其防治)TP391.41(计算技术、计算机技术)
资助基金：国家自然科学基金(52065064)
论文发表日期：2024-06-28
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( 133-142 )
英文信息