基于FLMP-YOLOv8的松病树的特征识别和检测算法.

科学领域:

• 林业林业 林业 林业 林业
• 植物病理学 植物病理学
• 计算机视觉 计算机视觉

背景情况:

• 松病由松木线虫引起,由松木虫传播,是森林的主要威胁.
• 精确检测受感染的树木对于有效的疾病管理和预防至关重要.
• 在中国的巴山脉等地区,复杂的地形和不均的森林分布挑战了传统的检测方法.

研究的目的:

• 开发一种新,高效和准确的方法来检测受松病感染的树木.
• 为了应对复杂的森林环境中特征提取的挑战.
• 改进现有的森林疾病检测深度学习模型.

主要方法:

• 提出了一种新的FLMP-YOLOv8算法,集成FasterBlock模块,以增强功能提取和降低复杂性.
• 在SPPF模块中整合了大型可分离内核注意力 (LSKA) 机制,以改善细节感知和减少干扰.
• 利用MPDIoU损失函数进行精确的边界框回归和定位.

主要成果:

• FLMP-YOLOv8模型实现了92.0%的精度,80.8%的回忆率和87.0%的mAP@0.5.5.
• 证明了显著的检测速度为81.79 FPS.
• 与原始YOLOv8相比,显示了改进,包括精度增加2.2%,回忆增加0.6%,mAP@0.5增加2.0%,速度增加65.48 FPS.

结论:

• FLMP-YOLOv8算法为检测松病提供了更可靠和更具成本效益的解决方案.
• 该研究成功地解决了复杂森林地形中的特征提取挑战.
• 开发的方法为森林健康监测和疾病管理提供了有价值的工具.