水稻叶部病害轻量化检测方法研究

摘要

[目标]为解决水稻病斑检测中存在的小目标特征提取困难、田间环境中检测精度低、边缘化设备部署时效性差等问题，研究基于通道修剪方法，提出一种轻量化的水稻叶部病害检测模型YOLOv7-TMRTM-prune。[方法]首先在YOLOv7-tiny基线模型框架上采用MobileNetV3替换主干网络、RCS-OSA替换ELAN-1、引入TSCODE优化检测头等改进方法提升模型对不同尺寸病斑特征提取能力，构建叶部病害检测模型YOLOv7-TMRTM。然后对病斑检测模型进行通道剪枝，基于L1正则化准则进行稀疏训练，根据BN层缩放因子分布情况，选用稀疏度为0.008进行稀疏训练；在检测精度、速度和模型复杂度三参量平衡约束下，选择剪枝率为75%对模型进行通道剪枝。[结果]YOLOv7-TMRTM-prune的mAP为97.1%，参数量减少76.4%，模型大小减少77.4%,FPS提升43%。构建的轻量化叶部病害检测模型YOLOv7-TMRTM-prune对稻瘟病、白叶枯病、水稻胡麻斑病的精确度为94.9%，平均召回率为93.3%，平均mAP为97.1%。[结论]该轻量化模型在保证高检测精度的同时，大幅降低模型参数量与体积、提升检测速度，有效解决小目标病斑提取难与边缘设备部署时效性差的问题，为水稻叶部病害田间实时检测提供高效技术方案，可支撑智慧农业中病害早期防控需求。

关键词

水稻叶部病害检测 / YOLOv7 / 通道修剪 / L1正则化准则 / BN层缩放因子 / 稀疏训练