期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
Dense-YOLO:一种用于监测复杂场景灰飞虱虫害的检测算法
1
作者 李善达 王虎奇 +3 位作者 丛佩超 冯浩 胥羽涛 李添恒 《广西科技大学学报》 2025年第3期24-32,共9页
灰飞虱为典型田间害虫,不仅危害作物发育,而且会给农民带来重大经济损失,影响正常的粮食供应。采用基于深度学习技术的目标检测算法监测灰飞虱分布状态可取代繁琐的传统人工观察与计数,同时其使用成本较低。本文基于YOLOv5开发一种新型... 灰飞虱为典型田间害虫,不仅危害作物发育,而且会给农民带来重大经济损失,影响正常的粮食供应。采用基于深度学习技术的目标检测算法监测灰飞虱分布状态可取代繁琐的传统人工观察与计数,同时其使用成本较低。本文基于YOLOv5开发一种新型灰飞虱小目标检测算法Dense-YOLO,用于准确检测并计数分布于复杂田间且不同种类的灰飞虱,通过在YOLOv5主干网络中融合CSPDenseNet以促进浅层特征的重复使用,从而提高网络对小目标的检测能力。实验结果表明,Dense-YOLO的检测AP@0.5∶0.95、AR、F1评分分别可达52.4%、61.5%、56.6%,较YOLOv5分别提升2.2、0.7、1.6百分点,平均耗时为58.82 ms,在满足高精度的同时具有较快的推理速度,可满足灰飞虱小目标虫害实时监测的使用需求,同时该方法也可用于对其他不同类型作物虫害的实时监测。 展开更多
关键词 灰飞虱 虫害监测 YOLO 密集单元 残差网络
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部