基于改进YOLOX的实时马铃薯叶片病害检测方法

来源：江苏农业科学杂志2024年第第20期北京时间：

作者：张凯萍; 李国霞

单位：1.许昌电气职业学院信息工程系，河南许昌 461002； 2.郑州大学物理学院，河南郑州 450001

摘要：随着深度学习在图像识别领域的广泛应用，目标检测算法已取得显著进展。然而，在农业病害检测特别是马铃薯叶病害检测方面，仍面临诸多挑战，如自然光影响和数据不平衡问题等。为此，提出一种改进YOLOX的马铃薯叶病害检测方法。首先以轻量化MobileNet v3网络作为骨干替换原有的CSPDarkNet53网络，以提高模型在特征提取上的效率，同时减少计算量。其次引入V通道网络，增加模型对复杂光照环境的适应性，更精确地捕获纹理信息。最后设计一种自适应的交叉熵损失函数，以解决样本不平衡的问题，确保模型的鲁棒性和准确性。在公开数据集PlantVillage上进行试验验证，结果表明，改进模型平均准确率、浮点运算次数、内存和FPS分别为98.55%、14.63×109次、49.35 MB、125.92帧/s。相比原始YOLOX模型，平均准确率和单帧识别速度分别提高4.38百分点、36.65%；浮点运算次数和内存分别降低43.23%、34.33%。此外，与不同模型对比试验以及嵌入式平台上的试验结果均表明，本研究提出的改进YOLOX模型在准确率、计算效率和速度方面均具有明显的优势，为农作物叶片病害检测提供了一种有效的解决方案。

关键词：马铃薯病害检测;YOLOX;MobileNetv3;V通道网络;交叉熵损失