基于改进Faster R-CNN的荔枝病虫害检测

谢家兴, 廖飞, 王卫星, 高鹏, 胡凯, 吴佩文, 邓钲奇, 刘洪山

华中农业大学学报 ›› 2025, Vol. 44 ›› Issue (01) : 62 -73.

华中农业大学学报 ›› 2025, Vol. 44 ›› Issue (01) : 62 -73. DOI: 10.13300/j.cnki.hnlkxb.2025.01.007

基于改进Faster R-CNN的荔枝病虫害检测

    谢家兴, 廖飞, 王卫星, 高鹏, 胡凯, 吴佩文, 邓钲奇, 刘洪山
作者信息 +

Author information +
文章历史 +

摘要

针对荔枝园复杂背景下荔枝小目标病虫害检测困难的问题,提出一种基于改进Faster R-CNN的荔枝病虫害检测方法。以Faster R-CNN为基础,使用特征提取能力更优秀的Swin Transformer代替原有主干网络VGG16;通过特征金字塔网络(feature pyramid network, FPN)提升Faster R-CNN模型的多尺度特征融合能力,均衡提高每一类荔枝病虫害的识别精确率;引入感兴趣区域对齐(region of interest align, ROI Align)策略提升模型的候选框定位精度,进一步提升模型的整体检测效果。结果显示,改进后的模型平均精度均值达到92.76%,相较原始Faster R-CNN检测器提升了30.08百分点,在5类荔枝病虫害图像(藻斑病、炭疽病、煤烟病、毛毡病、叶瘿蚊)中的检测精度分别为93.05%、94.81%、96.57%、87.03%和92.34%,平均精度均值比SSD512、RetinaNet、EfficientDet-d0和YOLOv5s模型分别提高了20.50、5.70、13.08和3.26百分点。结果表明,改进后的Faster R-CNN模型能准确检测复杂背景下的荔枝病虫害目标,具有较高的应用价值,能为农作物病虫害快速、准确识别研究提供参考。

关键词

荔枝 / 病虫害检测 / Faster R-CNN / Swin Transformer / 多尺度特征融合

Key words

引用本文

引用格式 ▾
谢家兴, 廖飞, 王卫星, 高鹏, 胡凯, 吴佩文, 邓钲奇, 刘洪山. 基于改进Faster R-CNN的荔枝病虫害检测[J]. 华中农业大学学报, 2025, 44(01): 62-73 DOI:10.13300/j.cnki.hnlkxb.2025.01.007

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

基金资助

教育部产学合作协同育人项目(230702595161723); 国家现代农业产业技术体系专项(CARS-32-09); 华南农业大学新农村发展研究院农业科技合作共建项目(2021XNYNYKJHZGJ032); 广东省重点领域研发计划项目(2023B0202090001); 广东省现代农业产业技术体系创新团队建设专项(2023KJ108); 广东省科技创新战略专项资金项目(pdjh2023a0074); 大学生创新创业训练计划项目(S202410564127)

AI Summary AI Mindmap

614

访问

0

被引

详细

导航
相关文章

AI思维导图

/

〈 〉