为解决因害虫尺度多样性导致其识别度相对较低的问题,本研究提出了一种基于PP-YOLO(PaddlePaddleYou Only Look once)的农业病虫害识别算法。选取2359个病虫害样本数据集,按照9∶1的比例进行训练集、测试集的划分;选择PP-YOLO模型进行...为解决因害虫尺度多样性导致其识别度相对较低的问题,本研究提出了一种基于PP-YOLO(PaddlePaddleYou Only Look once)的农业病虫害识别算法。选取2359个病虫害样本数据集,按照9∶1的比例进行训练集、测试集的划分;选择PP-YOLO模型进行病虫害监测,并利用平均精度mAP(mean average precision)指标进行模型精度评价;探讨PP-YOLO结合数据增强mixup、颜色扭曲法在病虫害中小目标检测上的适用性。结果表明,PP-YOLO模型在病虫害中小目标检测方面mAP达47.4%、26.5%;基于PP-YOLO模型结合数据增强mixup与颜色扭曲后在病虫害中小目标检测上mAP分别提升4.3%、2.9%。总之,PP-YOLO模型可有效检测识别农作物害虫,同时,数据增强mixup与颜色扭曲法可有效提升病虫害的数据样本指标。展开更多
文摘为解决因害虫尺度多样性导致其识别度相对较低的问题,本研究提出了一种基于PP-YOLO(PaddlePaddleYou Only Look once)的农业病虫害识别算法。选取2359个病虫害样本数据集,按照9∶1的比例进行训练集、测试集的划分;选择PP-YOLO模型进行病虫害监测,并利用平均精度mAP(mean average precision)指标进行模型精度评价;探讨PP-YOLO结合数据增强mixup、颜色扭曲法在病虫害中小目标检测上的适用性。结果表明,PP-YOLO模型在病虫害中小目标检测方面mAP达47.4%、26.5%;基于PP-YOLO模型结合数据增强mixup与颜色扭曲后在病虫害中小目标检测上mAP分别提升4.3%、2.9%。总之,PP-YOLO模型可有效检测识别农作物害虫,同时,数据增强mixup与颜色扭曲法可有效提升病虫害的数据样本指标。
