基于改进YOLOv7算法的葡萄叶病斑检测方法研究

摘要：

针对传统葡萄叶病斑检测漏检率高、小目标检测精度低等问题,提出一种基于YOLOv7 改进模型.该算法重新设计锚框以适应葡萄叶片病斑数据集;将全局注意力机制GAM嵌入到YOLOv7 模型的颈部中,获取更加丰富的跨通道信息和位置信息;针对个别病斑存在粘连情况,引入柔性非极大值机制(Soft-NMS)策略提高检测框回归精度.为了验证改进后的模型效果,选取 3 种常见葡萄叶病害进行测试及其验证.验证结果表明,改进后的 YOLOv7 模型在此数据集上的平均精度(mAP)达到 87.2％,比YOLOv7 模型提高了 3.1％.改进算法能够适用于自然环境下的葡萄叶病害检测,为葡萄病害的防控提供了新方法.

关键词：目标检测、YOLOV7、注意力机制、机器学习

所属期刊栏目：13

分类号：TP399(计算技术、计算机技术)

在线出版日期：2023-06-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：78-83,89