对于当前植保无人机喷洒存在重复喷洒、农药残留、缺少在线病虫害检测,且检测方法不易在嵌入式端部署等问题,提出一种植保无人机平台下基于改进YOLOv7的霜霉病与潜叶蝇检测农药喷洒系统。首先,采用渐进金字塔网络AFPN提升模型在特征融...对于当前植保无人机喷洒存在重复喷洒、农药残留、缺少在线病虫害检测,且检测方法不易在嵌入式端部署等问题,提出一种植保无人机平台下基于改进YOLOv7的霜霉病与潜叶蝇检测农药喷洒系统。首先,采用渐进金字塔网络AFPN提升模型在特征融合区域的自适应特征融合能力。其次,引入EMA注意力机制模块,利用维度交互的方式来提升融合像素特征。试验结果表明,改进YOLOv7病虫害检测算法的平均精度均值mAP达到94.2%,相比于原始YOLOv7算法提高25.9%,每秒传输帧数FPS相比于原算法提高4.6%。最后,将YOLOv7—AFPN—EMA的病虫害识别模型部署到Jetson Orin Nano上进行验证性检测试验,对比模型改进前后的检测精度。验证结果表明,改进算法相比于原始算法,在线实时检测精度提升11.3%,病虫害检测成功率达89.7%。展开更多
文摘对于当前植保无人机喷洒存在重复喷洒、农药残留、缺少在线病虫害检测,且检测方法不易在嵌入式端部署等问题,提出一种植保无人机平台下基于改进YOLOv7的霜霉病与潜叶蝇检测农药喷洒系统。首先,采用渐进金字塔网络AFPN提升模型在特征融合区域的自适应特征融合能力。其次,引入EMA注意力机制模块,利用维度交互的方式来提升融合像素特征。试验结果表明,改进YOLOv7病虫害检测算法的平均精度均值mAP达到94.2%,相比于原始YOLOv7算法提高25.9%,每秒传输帧数FPS相比于原算法提高4.6%。最后,将YOLOv7—AFPN—EMA的病虫害识别模型部署到Jetson Orin Nano上进行验证性检测试验,对比模型改进前后的检测精度。验证结果表明,改进算法相比于原始算法,在线实时检测精度提升11.3%,病虫害检测成功率达89.7%。
