基于改进YOLOX-S的玉米病害识别

来源：江苏农业科学杂志2024年第第3期北京时间：

作者：李名博;任东悦;郭俊旺;卫勇

单位：天津农学院工程技术学院，天津 300380

摘要：在玉米病害的影响下，玉米产量下降，其中大部分病害症状均反映在玉米的叶片上。针对人工识别叶片费时、费力、准确率低的问题提出了一种基于改进YOLOX-S网络的玉米病害识别模型，并将该模型部署到Atlas 200DK开发板中。该研究在YOLOX-S的基础上添加了4个CBAM注意力机制模块，其中3个注意力机制模块添加到网络的Backbone与Neck之间，第4个注意力机制模块添加到SPPBottleneck的2次上采样结果后，通过使用不同的权重来调整不同病害特征细节的重要程度，能够提高模型收敛速度，有效提升模型的识别精度，并基于Atlas 200DK开发板的特性及相关属性，将改进后的模型部署到开发板当中，实现了算法的移植。结果表明，改进后的YOLOX-S网络模型与YOLO v3、YOLO v4、Faster R-CNN 模型相比，在识别率与精确性方面有着显著的优势，与原模型相比，识别准确率(mAP值)提高0.2百分点，改进后的YOLOX-S网络模型对玉米病害的识别准确率高达98.75%，并且部署到Atlas 200DK开发板的模型仍然发挥良好的检测性能，可以为识别玉米病害提供参考。

关键词：病害识别;深度学习;改进型YOLOX-S;数据增强;模型部署