基于NanoDet-SimAM小尺寸松材线虫病受害木检测

摘要：

针对小尺寸松材线虫病受害木检测精度及检测效率低的问题,提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型.采用无人机(UAV)搭载小型相机在 220 m高度拍摄小尺寸松材线虫受害木图像,应用图像旋转、缩放、添加高斯噪声和模拟光照强度等数据处理方式扩充数据集,设计轻量级深度网络NanoDet和SimAM注意力模块融合模型NanoDet-SimAM对小尺寸松材线虫受害木进行精准检测.结果表明,该模型相较于Faster R-CNN、Yolov4、Yolov5s及NanoDet等检测网络模型,具有更高的检测精度、速度和稳定性.

关键词：松材线虫病、目标检测、轻量级网络NanoDet、注意力机制、无参注意力、迁移学习、数据增强、小尺寸

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：辽宁省民生科技计划项目;辽宁省兴辽人才项目;辽宁省教育厅基本科研项目

在线出版日期：2024-10-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：428-433