基于改进RT-DETR的农作物害虫检测算法

摘要

针对农作物害虫检测中害虫目标被遮挡、体色与环境相近等情况导致的目标检测准确率不高的问题，提出了一种基于RT-DETR的农作物害虫检测算法RT-DETR-SDIC。首先，原主干网络的前两层（S2,S3）引入多样分支残差模块（Diverse Branch Residual Block, DBRB）,利用多分支拓扑结构以及不同规模的路径提取多尺度的特征信息，在原主干网络的后两层（S4,S5）引入了结合级联注意力的倒立残差移动模块（Invert Residual Mobile Block with Cascade Group Attention, IRMB＿CGA）,弥补了原主干网络中长距离语义信息无法直接交互的问题，增强了对环境特征的辨别能力；其次，在特征融合网络中，增加了无参数注意力的空间到深度融合层（Space to Depth Convolution with Attention, SPA）提取细粒度的信息，设计了内容引导融合模块（Context Guide Fusion Module, CGFM）来引导多尺度特征融合。实验结果表明模型RT-DETR-SDIC参数下降了19.6%,计算量下降了9.9%,P_mA,0.5上升了6.2%,P_mA,0.5:0.95上升了2.6%。

关键词

害虫检测 / 多尺度特征融合 / RT-DETR / 智慧农业