结合注意力机制与双向特征融合的叶片病害检测方法

作     者：马晓慧 王骥 覃嘉俊 Ma Xiaohui;Wang Ji;Qin Jiajun

作者机构：广东海洋大学电子与信息工程学院广东湛江524088 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 广东海洋大学数学与计算机学院广东湛江524088 

出 版 物：《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)

年 卷 期：2024年第45卷第10期

页      面：281-288页

学科分类：081203[工学-计算机应用技术] 08[工学] 09[农学] 0904[农学-植物保护] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

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

主　　题：叶片病害 CBAM 双向特征融合 Mask R-CNN NMS 

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。