融合注意力及多重知识迁移的茶叶病害轻量化检测方法

来源：中国农机化学报杂志2024年第12期北京时间：

作者：毛致颖, 刘宇航, 杨春勇, , , 田永胜, 倪文军, , , 王曦照

单位：（1. 中南民族大学电子信息工程学院,武汉市,430074； 2. 智能物联技术湖北省工程研究中心,武汉市，430074； 3. 智能无线通信湖北省重点实验室,武汉市，430074）

摘要：茶树病虫害是影响茶叶产量及品质的主要原因，精准检测茶叶病虫害种类是当前国内的热点问题之一。针对传统目标检测网络模型参数量大、精确率低导致工业部署困难的问题，建立茶叶病虫害表型图像数据集；对网络模型进行轻量化处理，优裁基于知识蒸馏的多重知识迁移训练模型；构建基于视觉注意力模块（CSA）的YOLOv5目标检测网络模型，优化茶叶病虫害检测方法。结果表明，添加视觉注意力模块（CSA）的YOLOv5目标检测模型与YOLOv5网络模型、添加传统注意力模块SE、CBAM模块的YOLOv5网络模型相比较，其平均准确率分别提高3.1%，1.1%，1%。对比蒸馏前学生模型，构建的模型最佳准确率提升 4.1%，对比教师模型，模型容量降低5.4 MB，单帧图片推理时间下降 35%。设计的网络模型在不损失准确率的情况下，降低网络计算的开销，可为资源受限的农业信息化领域边缘计算系统提供植入可能。

关键词：茶叶病虫害,注意力模块,知识迁移,轻量化,农业信息化边缘计算

基金资助：湖北省自然科学基金创新群体项目（2024AFA030）