基于PP-YOLO的农业病虫害识别算法

作     者：张勇 翟今成 王俪晓 宋丙国 陈雷 ZHANG Yong;ZHAI Jincheng;WANG Lixiao;SONG Bingguo;CHEN Lei

作者机构：内蒙古自治区和林格尔县农牧局内蒙古呼和浩特011500 临沂市农业农村局山东临沂276000 临沂丰邦植物医院有限公司山东临沂276000 山东青果食品有限公司山东临沂276000 中再云图技术有限公司重庆400000 

出 版 物：《中国果菜》 (China Fruit & Vegetable)

年 卷 期：2024年第44卷第5期

页      面：80-87页

学科分类：09[农学] 0904[农学-植物保护] 

基　　金：重庆市自然科学基金(cstc2020jcyj-msxmX0841) 国家重点研发计划(2018 YFC1505501) 

主　　题：人工智能 病虫害识别 PP-YOLO 数据增强 颜色扭曲法 

摘      要：为解决因害虫尺度多样性导致其识别度相对较低的问题,本研究提出了一种基于PP-YOLO(PaddlePaddleYou Only Look once)的农业病虫害识别算法。选取2359个病虫害样本数据集,按照9∶1的比例进行训练集、测试集的划分;选择PP-YOLO模型进行病虫害监测,并利用平均精度mAP(mean average precision)指标进行模型精度评价;探讨PP-YOLO结合数据增强mixup、颜色扭曲法在病虫害中小目标检测上的适用性。结果表明,PP-YOLO模型在病虫害中小目标检测方面mAP达47.4%、26.5%;基于PP-YOLO模型结合数据增强mixup与颜色扭曲后在病虫害中小目标检测上mAP分别提升4.3%、2.9%。总之,PP-YOLO模型可有效检测识别农作物害虫,同时,数据增强mixup与颜色扭曲法可有效提升病虫害的数据样本指标。