基于改進(jìn)YOLOv4算法的蘋(píng)果葉片病害檢測(cè)方法

打開(kāi)文本圖片集

摘要：準(zhǔn)確識(shí)別蘋(píng)果葉片病害種類以進(jìn)行及時(shí)防治對(duì)于蘋(píng)果增量增產(chǎn)具有重要的意義，為解決同時(shí)檢測(cè)蘋(píng)果葉片多種病害目標(biāo)結(jié)果不準(zhǔn)確的問(wèn)題，提出一種改進(jìn)的YOLOv4目標(biāo)檢測(cè)算法（MC-YOLOv4）對(duì)蘋(píng)果葉片常見(jiàn)的5種病害（斑點(diǎn)落葉病、褐斑病、灰斑病、花葉病、銹?。┻M(jìn)行檢測(cè)。為方便遷移到移動(dòng)終端，首先，該算法將YOLOv4網(wǎng)絡(luò)結(jié)構(gòu)中的主干特征提取網(wǎng)絡(luò)CSPDarknet53換成了輕量級(jí)的MobileNetV3網(wǎng)絡(luò)，并在加強(qiáng)特征提取網(wǎng)絡(luò)結(jié)構(gòu)中引入深度可分離卷積代替?zhèn)鹘y(tǒng)卷積；其次，為提高檢測(cè)精度，將卷積注意力機(jī)制模塊CBAM融合至PANet結(jié)構(gòu)中，可增強(qiáng)對(duì)有用特征信息的提取；最后，為了使錨框更適應(yīng)本研究的數(shù)據(jù)集，通過(guò)K-means聚類算法將模型的錨框信息更新。（剩余8767字）