教授
发布时间：2023-06-09
点击次数：
| 影响因子： | 2.8 |
| DOI码： | 10.15933/j.cnki.1004-3268.2023.05.019 |
| 所属单位： | 长江大学计算机科学学院 |
| 发表刊物： | 河南农业科学 |
| 刊物所在地： | 郑州 |
| 项目来源： | 国家自然科学基金面上项目（62276032）；中国高校产学研创新基金（2020ITA03012） |
| 关键字： | 茶叶病害；病害检测；病害分类；Yolov7-TSA；坐标注意力；轻量型网络；计算机视觉；智慧农业 |
| 摘要： | 针对现有茶叶病害识别方法准确率低、模型运行速度慢和缺乏检测功能等问题，提出一种新的Yolov7-TSA（Yolov7-Tiny-SiLU-Attention）轻量型网络架构对茶叶病害检测和分类。将Yolov7-T网络中的LeakReLU激活函数替换为SiLU激活函数，以提升检测精度，并防止过拟合。同时，通过融合坐标注意力机制进一步提升对目标轮廓和空间位置的特征感知能力。在含8种茶叶病害（含健康茶叶）的数据集上试验。结果表明，Yolov7-TSA网络对茶叶病害的识别准确率达到了94.2%，与Yolov7-T、Yolov7网络相比，分别提升了3.2、1.2个百分点。另外，Yolov7-TSA网络在参数量、浮点运算数、模型大小和单张图片推理时间方面表现出了显著的效果，与Yolov7网络相比，其分别降低了83%、87%、83%和34%。该网络模型实现了对茶叶病害的检测与分类，同时平衡了识别准确率和实时性能。 |
| 合写作者： | 周婉, 韩涛, 王佩文, 刘虎, 熊梦园, 孙泳 |
| 第一作者： | 李伟豪 |
| 论文类型： | 期刊论文 |
| 通讯作者： | 詹炜 |
| 论文编号： | 20260830-009 |
| 学科门类： | 工学 |
| 一级学科： | 计算机科学与技术 |
| 文献类型： | 期刊 |
| 卷号： | 52 |
| 期号： | 5 |
| 页面范围： | 162-169 |
| 字数： | 4326 |
| ISSN号： | 1004-3268 |
| CN号： | 41-1092/S |
| 发表时间： | 2023-05-15 |
