基于YOLO-PS的马铃薯幼苗检测方法研究

来源：中国农机化学报杂志2024年第12期北京时间：

作者：郑红娜, , 周理想, 王强

单位：(1. 山西铁道职业技术学院，太原市，030013； 2. 太原理工大学电子信息与光学工程学院，太原市，030024； 3. 河南理工大学测绘与国土信息工程学院，河南焦作，454000)

摘要：针对马铃薯幼苗检测中的关键挑战，提出一种基于YOLO-PS的目标检测模型。该模型在检测骨干中引入MobileNetV4-backbone以增强对不同状态幼苗的特征提取能力，并在检测头中引入DLKA注意力机制，从而增强模型对马铃薯幼苗局部特征的提取和关注。为优化边界框的精确定位，采用Focal Loss损失函数。利用Pyqt5设计马铃薯幼苗识别系统的交互界面，使其操作简便且可靠。通过试验验证，YOLO-PS模型在马铃薯幼苗检测任务中表现优异，在测试集上的精确率达到94.75%，召回率为95.58%，平均精确度均值高达96.67%。该模型在马铃薯幼苗检测中的有效性和优越性，也为类似作物的幼苗检测提供新方法。

关键词：深度学习,马铃薯幼苗,YOLO,图像处理

基金资助：山西省高等学校科技创新项目(2019L0189)；教育部产学合作协同育人项目(202002035019)；教育部第二期供需对接就业育人项目定向人才培养培训项目(20230102038)