结合注意力机制与双向特征融合的叶片病害检测方法

来源：中国农机化学报杂志2024年第10期北京时间：

作者：马晓慧, 王骥, 覃嘉俊,

单位：(1. 广东海洋大学电子与信息工程学院，广东湛江，524088； 2. 广东省智慧海洋传感器及其装备工程技术研究中心，广东湛江，524088； 3. 广东海洋大学数学与计算机学院，广东湛江，524088)

摘要：传统的Mask R-CNN网络检测目标时会出现特征丢失和特征混淆的情况，且对于密集的小目标容易出现漏检、错检等问题。针对这一问题，提出一种结合注意力机制和双向特征融合的叶片病害检测方法。首先，构建数据集时给叶片图片加入高斯噪声斯和椒盐噪声两种人工噪声，模仿自然界的复杂噪声，提升数据的多样性；其次，结合PAFPN结构与CBAM注意力机制，生成的CBAM-PAFPN结构，替代Mask R-CNN网络FPN结构，优化Mask R-CNN网络的特征提取方式；最后，将原网络NMS筛选候选框的方式替换为Soft-NMS。结果表明：对于无噪声的数据集，mAP值提升0.46%，Recall值提升2.24%；平均错检率为1.34%，降低3.28%，约为原网络的1/4，平均漏检率为0.12%，降低2.19%，约为原网络的1/20。改进后的网络在检测和定位精度上都有所提升，为有效检测不同大小、不同密集度的叶片病害提供技术支持。

关键词：叶片病害,CBAM,双向特征融合,MaskR-CNN,NMS

基金资助：广东省普通高校重点领域专项(新一代信息技术)(2020ZDZX3008)