基于ActNN-YOLO v5s-RepFPN的番茄病害识别及系统设计

来源：江苏农业科学杂志2024年第第20期北京时间：

作者：高泉; 刘笠溶; 张洁; 高颜军; 叶荣

单位：1.云南省作物生产与智慧农业重点实验室，云南昆明 650201； 2.云南农业大学大数据学院，云南昆明 650201； 3.云南农业大学食品科学技术学院，云南昆明 650201

摘要：作物病害的早期检测可以提高农作物的质量和生产力，为解决番茄病害识别模型在真实复杂场景中的泛化能力弱，易受作物品种、颜色特征、叶斑形状、疾病周期和环境因素干扰，对存储和计算资源依赖性强的问题，提出1个轻量化改进模型ActNN-YOLO v5s-RepFPN来研究多个区域场景中的番茄疾病，使用Mosaic数据增强方法来扩展数据，结合使用模型参数压缩技术ActNN来替换YOLO v5s网络中的组件模块，保留重要激活参数的同时不影响精确度，然后在YOLO v5s颈部网络内构建RepFPN特征金字塔，增加特征信息流通，实现计算和内存平衡的硬件神经网络设计。结果表明，改进的ActNN-YOLO v5s-RepFPN模型在番茄病害检测精度上达到了93.6%，检测速率为 29.0帧/s，满足实时监测的要求，模型整体性能高于YOLO v5s、YOLO v4、Faster R-CNN等模型，在训练1 000轮后精确率、召回率、mAP分别较YOLO v5s原模型高10.0、9.8、4.9百分点。最后，设计并实现了基于YOLO v5s模型的智能化番茄病害检测系统，为病害智能检测系统提供了可视工具。

关键词：病害检测;ActNN;YOLO v5s;RepFPN