基于改进YOLOv7的玉米作物害虫检测研究

来源：计算机测量与控制杂志2024年第9期北京时间：

作者：宫妍,翟俊杰,王凯,李玉

摘要：摘要：面对玉米作物害虫检测中目标体积较小、形态多变且种类分布不均的情况，现有检测器会出现误检、漏检等问题。针对以上问题，提出了基于YOLOv7的玉米作物虫害检测算法SPD-YOLOv7。制作收集玉米害虫数据集，采用数据增强方法扩充数据集。引入SPD-Conv模块，替换原先骨干和头部网络中的部分跨步卷积层，减少随着网络加深细节信息的丢失，提高模型获取小目标特征和位置信息的能力。将ELAN-W模块与CBAM注意力机制结合，使网络更好地学习害虫特征，抑制背景信息，关注目标本身。改进后的YOLOv7网络模型准确率达到了98.38%，平均精度均值达到了99.4%。相较于原始的YOLOv7模型，准确性和平均精度均值分别提高了2.46、3.19个百分点，与Faster-RCNN、YOLOv3、YOLOv4、YOLOv5和YOLOv6主流算法的检测精度相比更具优势，且满足实时性。实验结果说明改进算法有利于快速识别玉米作物的虫害分布，可用于实际农田间的害虫实时监测。

关键词：YOLOv7; SPD-Conv模块; CBAM注意力机制; 虫害检测; 小目标检测

基金资助：哈尔滨商业大学博士启动项目(2019DS087) 黑龙江省哲学社会科学规划项目（23YSD245）