基于轻量型网络的无人机遥感图像中茶叶枯病检测方法
摘要：
针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病.LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的可区分特征,减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检.在LiTLBNet的LNeck结构中引入了 SE和ECA模块,帮助网络在通道维度上学习目标的综合特征,减少因病斑和背景之间的相似性造成的误检,同时删除原基线网络最大的特征图,以减少计算量和模型大小.此外,本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量,提高小样本条件下LiTLBNet网络泛化能力.实验结果表明,利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1％,平均精度均值为78.5％,与YOLO v5s接近.然而,LiTLBNet内存占用量仅2.0MB,是YOLO v5s网络的13.9％.LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测.
展开
-
作者：
胡根生,谢一帆,鲍文霞,梁栋
-
刊名：
农业机械学报
-
年期：
2024.4
在线阅读
收藏