应用MCCW-YOLOv7-tiny研究轻量级玉米田间杂草识别算法

王希如, 贾仁山, 曹玉莹, 刘银川, 高新悦, 吴佳鑫, 贾银江

东北农业大学学报 ›› 2025, Vol. 56 ›› Issue (01) : 124 -138.

PDF
东北农业大学学报 ›› 2025, Vol. 56 ›› Issue (01) : 124 -138. DOI: 10.19720/j.cnki.issn.1005-9369.2025.01.013

应用MCCW-YOLOv7-tiny研究轻量级玉米田间杂草识别算法

    王希如, 贾仁山, 曹玉莹, 刘银川, 高新悦, 吴佳鑫, 贾银江
作者信息 +

Author information +
文章历史 +
PDF

摘要

针对玉米田间杂草传统目标检测模型存在体积大、实时性差、精准度低、移动端部署难等问题,提出了改进的轻量级目标检测算法MCCW-YOLOv7-tiny。通过将YOLOv7-tiny主干网络CSPDarknet替换为MobileNet V3模块,降低模型冗余和参数量,满足实时性要求。添加并行网络至主干网络,并在检测头部引入CBAM注意力机制,增强对小目标的关注,提高整体识别精度。损失函数改进为WIoUv3,以动态平衡样本质量,提升模型泛化能力。结果表明:MCCW-YOLOv7-tiny较YOLOv7-tiny,mAP从93.7%提升至95.3%,计算复杂度从13.3 GFLOPs降至6.2 GFLOPs,模型参数量为3.71 M,为复杂环境下的玉米田间杂草检测提供有效技术支持。

关键词

YOLOv7-tiny / MobileNet V3 / CBAM注意力机制 / WIoUv3 / 玉米 / 杂草识别

Key words

引用本文

引用格式 ▾
应用MCCW-YOLOv7-tiny研究轻量级玉米田间杂草识别算法[J]. 东北农业大学学报, 2025, 56(01): 124-138 DOI:10.19720/j.cnki.issn.1005-9369.2025.01.013

登录浏览全文

4963

注册一个新账户 忘记密码

参考文献

AI Summary AI Mindmap
PDF

0

访问

0

被引

详细

导航
相关文章

AI思维导图

/