基于改进Faster R-CNN的荔枝病虫害检测

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