基于改进YOLOv7的航拍图像下松材线虫病疫木识别

摘要

松材线虫病是一种危害程度极高的传染性松树病害。为精确掌握大尺度范围松材线虫病疫木的数量和分布，提出了一种基于改进YOLOv7的无人机航拍图像下松材线虫病疫木检测模型。首先，针对因航拍图像背景复杂而导致的疫木错检漏检问题，在模型主干特征提取部分引入SimAM注意力机制，以便模型更好地聚焦松材线虫病疫木颜色、纹理等关键特征；其次，用ConvNeXt网络对Head部分的ELAN-W网络进行替换，以提高模型对单株疫木的特征提取效率，在降低模型参数量的同时提升模型检测速度；然后，引入SPD-Conv以提高低分辨率航拍图像下小目标的检测精度；最后，将颈部网络的卷积替换为CoordConv,以更好地感受特征图中疫木的位置信息。在自建的松材线虫病疫木数据集中进行了大量验证，结果表明：经改进后的YOLOv7模型检测精确度为91.1%,召回率为93.5%,F₁分数为92.3%,与原YOLOv7模型及其他当前主流模型相比，各项主要指标均有一定提升。在选取的两块不同区域测试样地上的实验结果表明，本模型具有较好的适应性，可有效应用于大尺度松材线虫病疫木普查任务中。

关键词

松材线虫病 / 大尺度范围疫木识别 / 无人机航拍图像 / 目标检测 / YOLOv7