基于PP-YOLO的农业病虫害识别算法
张勇1
翟今成2
王俪晓3
宋丙国4
陈雷5
1.内蒙古自治区和林格尔县农牧局,内蒙古呼和浩特 0115002.临沂市农业农村局,山东临沂 2760003.临沂丰邦植物医院有限公司,山东临沂 2760004.山东青果食品有限公司,山东临沂 2760005.中再云图技术有限公司,重庆 400000
摘要：为解决因害虫尺度多样性导致其识别度相对较低的问题,本研究提出了一种基于PP-YOLO(PaddlePaddle-You Only Look once)的农业病虫害识别算法.选取 2 359 个病虫害样本数据集,按照 9∶1 的比例进行训练集、测试集的划分;选择PP-YOLO模型进行病虫害监测,并利用平均精度mAP(mean average precision)指标进行模型精度评价;探讨PP-YOLO结合数据增强mixup、颜色扭曲法在病虫害中小目标检测上的适用性.结果表明,PP-YOLO模型在病虫害中小目标检测方面mAP达 47.4%、26.5%;基于PP-YOLO模型结合数据增强mixup与颜色扭曲后在病虫害中小目标检测上mAP分别提升 4.3%、2.9%.总之,PP-YOLO模型可有效检测识别农作物害虫,同时,数据增强mixup与颜色扭曲法可有效提升病虫害的数据样本指标.
关键词：人工智能病虫害识别PP-YOLO数据增强颜色扭曲法
分类号：S43(病虫害及其防治)
资助基金：重庆市自然科学基金(cstc2020jcyj-msxmX0841)国家重点研发计划(2018YFC1505501)
论文发表日期：2024-05-20
在线出版日期：2026-08-28（本平台首次上网日期，不代表文献的发表时间）
页数：8( 80-87 )
英文信息