基于YOLOv3深度学习算法的桑椹菌核病严重度检测方法研究与应用

来源：湖北农业科学杂志2024年第12期北京时间：

作者：朱志贤1, 邱盼2, 张成1, 董朝霞1, 张凤1, 胡兴明1, 于翠1

单位：1.湖北省农业科学院经济作物研究所,武汉 430064; 2.飞卓科技（上海）股份有限公司,上海 201506

摘要：通过对5种不同发病级别的1万张桑椹果实图像进行训练,基于YOLOv3深度学习算法并结合迁移学习法,获得桑椹菌核病严重度目标检测模型。为了验证该模型的鲁棒性,与同样采用迁移学习的EfficientDet、Faster R-CNN和YOLOv4原始模型进行了对比。结果表明,YOLOv3模型对健康果实和菌核病果实检测的平均精确率均值为0.79,比其他模型提高6.76%~54.90%,其对不同发病级别菌核病果实检测的平均精确率比其他模型提高7.04%~80.95%,查准率和查全率为最优或者次优。采用Flask+Vue技术构建的检测识别系统可在1 s内获取病害严重度、果实大小、置信度信息,也能实现对视频的动态识别,为桑椹种植中自动化病害监测和快速高效精准施药提供了可靠的软件处理平台。

关键词：桑椹菌核病,深度学习算法,迁移学习法,YOLOv3,病害严重度检测

基金资助：国家重点研发计划支持项目（2020YFD1000700）; 湖北省农业科技成果转化资金项目（2024EBA009）; 国家现代农业产业技术体系建设专项（CARS-18-SYZ10）