SMS和双向特征融合的自然背景柑橘黄龙病检测技术

作     者：曾伟辉 陈亚飞 胡根生 鲍文霞 梁栋 ZENG Weihui;CHEN Yafei;HU Gensheng;BAO Wenxia;LIANG Dong

作者机构：安徽大学互联网学院合肥230039 科大国创软件股份有限公司中央研究院合肥230088 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第11期

页      面：280-287页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 09[农学] 0904[农学-植物保护] 090401[农学-植物病理学] 0802[工学-机械工程] 090402[农学-农业昆虫与害虫防治] 

基　　金：安徽省自然科学基金项目(2108085MC95) 安徽省科技重大专项(202003a06020016) 安徽省高校自然科学研究项目(KJ2020ZD03、KJ2020A0039) 农业生态大数据分析与应用技术国家地方联合工程研究中心开放项目(AE202004) 

主　　题：柑橘 黄龙病检测 自然背景 全局上下文模块 可变形卷积 双向特征融合 

摘      要：柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有的算法对自然背景柑橘黄龙病检测的精度不高。本研究提出了一种结合剪切混合拼接(Shearing mixed splicing, SMS)增广算法和双向特征融合的自然背景柑橘黄龙病检测方法,该方法通过SMS、镜像翻转和旋转方法对训练集和验证集进行了增广,增加了训练集和验证集图像中背景目标的数量和多样性;为了自适应地改变柑橘黄龙病检测中的局部采样点,增大有效感受野,使用可变形卷积替换骨干网络后3个卷积层中所有的标准卷积;为了减小自然背景的影响,使用全局上下文模块对骨干网络后3个卷积层输出的特征图进行特征增强,来建立有效的长距离依赖,以便更好的学习到全局上下文信息;使用双向融合特征金字塔,改善浅层特征和深层特征的信息交流路径,用以降低因柑橘黄龙病叶片尺寸变化大导致的漏检,提高小尺寸的柑橘黄龙病叶片的检测精度。实验结果表明,本研究提出的方法用于自然背景柑橘黄龙病的检测,平均精度可达84.8%,性能优于SSD、RetinaNet、YOLO v3、YOLO v5s、Faster RCNN、Cascade RCNN等目标检测方法。