面向边缘设备的改进YOLOv7-tiny线虫检测模型
李耀东1
侯文进1
侯华鑫1
王秀丽1
王东2
曲建平3
周波4
刘璋3
1.山东农业大学信息科学与工程学院,山东泰安 2710182.西北农林科技大学农学院,陕西杨凌 7121003.山东农业大学生命科学学院,山东泰安 2710184.山东农业大学生命科学学院,山东泰安 271018;山东未来生物科技有限公司,山东泰安 271000
摘要：线虫是一种广泛用于生物学研究的模式生物,本研究针对在线虫活性筛选阶段存在个体目标小、易被遮挡以及现有线虫检测模型轻量化性能差、不易在边缘设备部署等问题,提出了一种面向边缘设备的改进YOLOv7-tiny线虫检测模型.采用MobileOne网络作为骨干网络,提高模型计算效率;引入广义特征金字塔网络(GFPN)改进Neck层,实现"跳层"与"跨尺度"的自适应融合,从而提供更丰富的图像特征信息;在Neck层引入双层路由注意力机制(BRA),加强对遮挡目标的特征提取能力;在Head层增加第四检测头,提高对小目标的检测能力;利用感知量化方法对模型进行INT8量化处理,并对激活值部分采用非对称量化策略,以降低计算量并实现模型轻量化.将改进后的模型部署在边缘设备Jetson Nano上进行测试,结果表明,改进模型与原模型相比平均精度均值(mAP@0.5)提高了 2.7个百分点,计算量(GFLOPs)压缩了 67.71％,检测帧率(FPS)提高了 23.01％.可见,改进后的模型精度有明显提升,可在边缘设备上实现快速、精准检测线虫目标.
关键词：边缘设备线虫检测YOLOv7-tiny轻量化
分类号：S126(农业物理学)S154.386(土壤学)TP391.41(计算技术、计算机技术)
资助基金：山东省重大科技创新工程项目(2019JZZY010716)山东农业大学横向科研项目(233024)山东省大学生创新创业训练计划项目(S202310434217)
论文发表日期：2025-10-30
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：9( 149-157 )
英文信息