期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
融合多尺度注意力特征的林业外来害虫检测方法
1
作者 张长春 杨兴昌 +6 位作者 王国骅 王冰婧 李诗杰 陈方舟 葛永泰 石娟 张军国 《林业科学》 北大核心 2025年第10期154-163,共10页
【目的】针对林业外来害虫因目标尺度多样、栖息环境复杂、易受遮挡等因素导致的现有检测算法识别准确率低、鲁棒性差的问题,提出一种融合多尺度注意力特征的林业外来害虫检测方法(MAF-YOLO),通过增强模型对不同尺度特别是小尺度目标的... 【目的】针对林业外来害虫因目标尺度多样、栖息环境复杂、易受遮挡等因素导致的现有检测算法识别准确率低、鲁棒性差的问题,提出一种融合多尺度注意力特征的林业外来害虫检测方法(MAF-YOLO),通过增强模型对不同尺度特别是小尺度目标的特征提取能力,并优化边界框回归策略,从而显著提升在复杂自然环境下对外来害虫的检测精度和泛化能力。【方法】该方法以YOLOv5s为基线架构,其核心改进包括:1)在颈部网络中嵌入坐标注意力机制,以强化对目标区域关键特征的捕获能力并抑制背景噪声干扰;2)增设160像素×160像素的小目标检测头,构建多层级检测结构,以提升对微小目标的检测灵敏度;3)采用Focal-EIoU损失函数替代原始CIoU损失函数,缓解正负样本及难易样本不平衡的问题,优化目标的定位精度;4)引入域适应训练策略,通过在大规模通用数据集上预训练,增强模型对不同场景的泛化能力。【结果】在包含15类潜在入侵和已入侵的林业外来害虫图像数据集上,训练和评估提出的模型,改进后的YOLOv5s模型精确率和召回率较原始YOLOv5s模型分别提升3.6%和4.4%;与SSD、YOLOv7、YOLOv8模型相比,改进模型的平均识别精度分别提高2.2%、1.1%和0.3%;结合域适应后模型精确率达77.9%,较原模型提升2.1%。【结论】本研究实现了林业外来害虫的精准识别,增强了模型的准确性与鲁棒性,为有效监测林业外来害虫提供了理论依据和技术支持。 展开更多
关键词 林业外来害虫 YOLOv5s 坐标注意力 域适应 图像检测
在线阅读 下载PDF
我国发现1种重要的林业外来入侵害虫——桉树枝瘿姬小蜂(膜翅目:姬小蜂科) 被引量:52
2
作者 吴耀军 蒋学建 +4 位作者 李德伟 罗基同 周国福 常明山 杨忠岐 《林业科学》 EI CAS CSCD 北大核心 2009年第7期161-163,182,F0003,共5页
Leptocybe invasa Fisher et LaSalle,an invasive gall-making wasp on trees of Eucalyptus spp.,was newly found in Guangxi,China.In this paper its morphological characters were described.The pest formed galls on the twigs... Leptocybe invasa Fisher et LaSalle,an invasive gall-making wasp on trees of Eucalyptus spp.,was newly found in Guangxi,China.In this paper its morphological characters were described.The pest formed galls on the twigs,midribs and leaf petioles of the host trees.Those caused deformation of twigs and leaves.It severely weakened and eventually stunted the growth of host tree.Currently the infestation rate in the Eucalyptus stands reached up to 100%,therefore,the pest would potentially threaten Eucalyptus plantations in South China. 展开更多
关键词 林业外来入侵害虫 桉树枝瘿姬小蜂 桉树 中国
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部