一个YOLOv7结合了基于Adan优化器的玉米害虫识别方法
Chong Zhang1, Zhuhua Hu1, Lewei Xu1
1School of Information and Communication Engineering, State Key Laboratory of Marine Resource Utilization in South China Sea, Hainan University, Haikou, China.
这项研究引入了一个改进的YOLOv7模型,使用Adan优化器来准确识别玉米害虫. 这种新方法显著降低了计算成本,同时提高了对玉米虫和军虫等害虫的检测准确度.
科学领域:
- 农业昆虫学 农业昆虫学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确识别主要的玉米害虫 (例如,玉米,军,虫) 对于有效的害虫防治至关重要.
- 现有的机器学习和神经网络方法面临着高培训成本和低于最佳的识别精度的挑战.
研究的目的:
- 开发一个更有效,更准确的玉米害虫识别系统.
- 改进现有的农业应用物体检测模型.
主要方法:
- 基于YOLOv7的物体检测模型被用于玉米害虫的识别.
- 亚丹优化器被集成到YOLOv7架构中,以提高计算效率和模型稳定性.
- 使用数据增强技术创建了一个全面的数据集用于培训.
主要成果:
- 拟议的YOLOv7模型与Adan优化器实现了96.69%的平均平均精度 (mAP) 和99.95%的精度.
- 改进的模型只需要1/2-2/3的原始YOLOv7网络的计算能力.
- 与原始YOLOv7和其他常见的物体检测模型相比,性能指标显示出显著的改进.
结论:
- 结合Adan优化器的YOLOv7模型为玉米害虫检测提供了一个高度准确和计算高效的解决方案.
- 这种方法代表了一种最先进的 (SOTA) 方法,用于在复杂的农业环境中实时准确识别害虫.
更多相关视频
08:28Mycorrhizal Maps as a Tool to Explore Colonization Patterns and Fungal Strategies in the Roots of Festuca rubra and Zea mays
Published on: August 26, 2022
07:09A Rapid and Efficient Method for Assessing Pathogenicity of Ustilago maydis on Maize and Teosinte Lines
Published on: January 3, 2014
相关概念视频
Methods of Classification and Identification
Plant Breeding and Biotechnology
Microorganisms in Agriculture and Food industry
Light Acquisition
Osmoregulation in Insects
