基于NanoDet-SimAM小尺寸松材线虫病受害木检测

摘要

针对小尺寸松材线虫病受害木检测精度及检测效率低的问题，提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型。采用无人机(UAV)搭载小型相机在220 m高度拍摄小尺寸松材线虫受害木图像，应用图像旋转、缩放、添加高斯噪声和模拟光照强度等数据处理方式扩充数据集，设计轻量级深度网络NanoDet和SimAM注意力模块融合模型NanoDet-SimAM对小尺寸松材线虫受害木进行精准检测。结果表明，该模型相较于Faster R-CNN、Yolov4、Yolov5s及NanoDet等检测网络模型，具有更高的检测精度、速度和稳定性。

关键词

松材线虫病 / 目标检测 / 轻量级网络NanoDet / 注意力机制 / 无参注意力 / 迁移学习 / 数据增强 / 小尺寸

基金资助

辽宁省民生科技计划项目(2021JH2/10200008); 辽宁省“兴辽人才”项目(XLYC2006017); 辽宁省教育厅基本科研项目(LJKMZ20220619)