DCP-YOLOv7x:改善了用于低质量的棉花图像的害虫检测方法
Yukun Ma1, Yajun Wei2, Minsheng Ma3
1School of Software, Henan Institute of Science and Technology, Xinxiang, Henan, China.
Frontiers in plant science
|January 3, 2025
概括
这项研究介绍了DCP-YOLOv7x,这是一种在低光条件下检测棉花害虫的先进方法. 该模型显著提高了检测准确度和速度,有助于提高棉花质量和产量.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 准确检测棉花害虫对于作物产量和质量至关重要.
- 由于图像质量下降和难以提取特征,低光条件对当前的害虫检测方法构成重大挑战.
研究的目的:
- 开发一种有效的方法,用于在低光环境中检测棉花害虫.
- 解决现有方法在图像质量,特征提取和检测精度方面的局限性.
主要方法:
- 拟议的DCP-YOLOv7x方法使用FFDNet和EnlightenGAN进行低光图像增强.
- 包含可变形注意力 (DAttention) 机制和动态头部 (DyHead) 结构,以改善特征提取.
- 修改损失函数与正常化瓦瑟斯坦距离 (NWD) 增强小目标检测.
主要成果:
- DCP-YOLOv7x在低光条件下实现了95.9%的检测精度 (P) 和95.4%的mAP@0.5对于棉花害虫.
- 与标准YOLOv7x.x相比,在精度方面表现出14.4%的显著改善,在mAP@0.5方面表现出15.6%的显著改善.
- 在不同的低光数据集中验证了有效性,包括Exdark和Dk-CottonInsect.
结论:
- DCP-YOLOv7x提供了一个强大的解决方案,用于在具有挑战性的低光环境中准确有效地检测棉花害虫.
- 该方法为提高棉花质量和产量提供了坚实的理论基础.
- 集成到农业边缘计算设备的潜力,用于实际的现场应用.
