华中农业大学学报

作者：姜晟，曹亚芃，刘梓伊，赵帅，张振宇，王卫星

单位：1.华南农业大学电子工程学院(人工智能学院), 广州 510642;2.广东省农情信息监测工程技术研究中心, 广州 510642

关键词：目标检测;茶叶叶部病害;FPN网络;Rank and Sort Loss;区域建议网络

基金：广东省重点领域研发计划项目（2023B0202100001）

针对茶园复杂背景下茶叶叶部病害识别较为困难的问题，提出一种基于改进Faster RCNN算法的茶叶叶部病害识别方法。通过对优化区域建议框的特征提取网络VGG-16、MobileNetV2和ResNet50进行比较，选择识别效果较好的ResNet50作为骨干网络，增加模型在茶园复杂背景下对茶叶叶部病害特征的提取能力；融入特征金字塔网络（feature pyramid network，FPN）改善小目标漏检问题和病斑的多尺度问题；采用Rank & Sort （RS） Loss 函数代替原 Faster RCNN 中的损失函数，缓解样本分布不均给模型带来的性能影响，进一步提高检测精度。结果显示：改进模型平均精度均值PmA为88.06%，检测速度为19.1帧/s，对藻斑病、白星病、炭疽病、煤烟病识别平均精度分别为75.54%、86.84%、90.42%、99.45%，比Faster RCNN算法分别提高40.98、44.16、13.9和2.43百分点。以上结果表明，基于改进Faster RCNN算法的茶叶叶部病害识别方法能够弱化茶园复杂背景的干扰，准确识别茶园复杂背景下茶叶叶部病害目标。

来源：2024年第5期

《华中农业大学学报》期刊编辑部

查看华中农业大学学报杂志2024年第5期