-
题名融合注意力及多重知识迁移的茶叶病害轻量化检测方法
被引量：2
- 1
-
-
作者
毛致颖
刘宇航
杨春勇
田永胜
倪文军
王曦照
-
机构
中南民族大学电子信息工程学院
智能物联技术湖北省工程研究中心
智能无线通信湖北省重点实验室
-
出处
《中国农机化学报》
北大核心
2024年第12期140-147,F0002,共9页
-
基金
湖北省自然科学基金创新群体项目(2024AFA030)。
-
文摘
茶树病虫害是影响茶叶产量及品质的主要原因,精准检测茶叶病虫害种类是当前国内的热点问题之一。针对传统目标检测网络模型参数量大、精确率低导致工业部署困难的问题,建立茶叶病虫害表型图像数据集;对网络模型进行轻量化处理,优裁基于知识蒸馏的多重知识迁移训练模型;构建基于视觉注意力模块(CSA)的YOLOv5目标检测网络模型,优化茶叶病虫害检测方法。结果表明,添加视觉注意力模块(CSA)的YOLOv5目标检测模型与YOLOv5网络模型、添加传统注意力模块SE、CBAM模块的YOLOv5网络模型相比较,其平均准确率分别提高3.1%,1.1%,1%。对比蒸馏前学生模型,构建的模型最佳准确率提升4.1%,对比教师模型,模型容量降低5.4 MB,单帧图片推理时间下降35%。设计的网络模型在不损失准确率的情况下,降低网络计算的开销,可为资源受限的农业信息化领域边缘计算系统提供植入可能。
-
关键词
茶叶病虫害
注意力模块
知识迁移
轻量化
农业信息化边缘计算
-
Keywords
tea pests and diseases
attention module
knowledge transfer
lightweight
agricultural information edge computing
-
分类号
S435.711
[农业科学—农业昆虫与害虫防治]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
