基于改進YOLACT的油茶葉片炭疽病感染嚴重程度分級模型

聶剛剛1，2， 饒洪輝1，2*， 李澤鋒1，2， 劉木華1，2

（1.江西農(nóng)業(yè)大學 工學院，江西南昌 330045，中國；2.江西省現(xiàn)代農(nóng)業(yè)裝備重點實驗室，江西 南昌 330045，中國）

摘要：［目的/意義］炭疽病（anthracnose）作為油茶生長過程中重要的病害，其嚴重程度的精準判定對于精準施藥和科學管理具有重大意義。本研究提出了一種改進YOLACT（You Only Look At CoefficienTs）分級模型Camellia-YOLACT，旨在實現(xiàn)對油茶葉片炭疽病感染嚴重程度的自動、高效判定。

［方法］首先在YOLACT主干網(wǎng)絡部分使用Swin-Transformer來進行特征提取。Transformer架構的自注意力機制擁有全局感受野及移位窗口等特性，有效地增強了模型的特征提取能力；引入加權雙向特征金字塔網(wǎng)絡，融合不同尺度的特征信息，加強模型對不同尺度目標的檢測能力，提高模型的檢測精度；在激活函數(shù)的選擇上，采用非線性能力更強的HardSwish激活函數(shù)替換原模型的ReLu激活函數(shù)。由于HardSwish在負值區(qū)域不是完全截斷，對于輸入數(shù)據(jù)中的噪聲具有更高的魯棒性，自然環(huán)境下的圖像有著復雜的背景和前景信息，HardSwish的魯棒性有助于模型更好地處理這些情況，進一步提升精度。

［結果和討論］采用遷移學習方式在油茶炭疽病感染嚴重程度分級數(shù)據(jù)集上進行實驗驗證。消融實驗結果表明，本研究提出的Camellia-YOLACT模型的mAP75為86.8%，較改進前提升5.7%；mAPall為78.3%，較改進前提升2.5%；mAR為91.6%，較改進前提升7.9%。對比實驗結果表明，Camellia-YOLACT在精度和速度方面表現(xiàn)均好于SOLO（Segmenting Objects by Locations），與Mask R-CNN算法相比，其檢測速度提升了2倍。在室外的36組分級實驗中進一步驗證了Camellia-YOLACT模型的性能，其對油茶炭疽病嚴重程度的分級正確率達到了94.4%，K值平均絕對誤差為1.09%。

［結論］本研究提出的Camellia-YOLACT模型在油茶葉片和炭疽病病斑分割上具有較高的精度，能夠實現(xiàn)對油茶炭疽病嚴重程度的自動分級，為油茶病害的精準防治提供技術支持，進一步推動油茶炭疽病診斷的自動化和智能化。

關鍵詞： 油茶；葉部病害；炭疽病；BiFPN；YOLACT；Transformer；深度學習

文章圖片

圖1　油茶炭疽病數(shù)據(jù)集Labelme標注樣例

Fig. 1? Samples of Camellia oleifera leaf anthracnose dataset

label by Labelme

圖2　油茶炭疽病數(shù)據(jù)集擴充示例

??? Fig.2? Example of Camellia oleifera leaf anthracnose

dataset expansion

圖3　Camellia-YOLACT模型結構

Fig.3? Structure of the Camellia-YOLACT model

圖4　Swin-Transformer模型架構

Fig. 4? Structure of Swin-Transformer

圖5　W-MSA和SW-MSA劃分圖像塊示意圖

Fig.5? Schematic diagram of W-MSA and SW-MSA divided

?image blocks

圖6　FPN與BiFPN結構圖

Fig. 6? Structure diagrams of FPN and BiFPN

圖7　網(wǎng)絡非線性研究ReLu和HardSwish函數(shù)對比

Fig.7? Comparison of ReLu and HardSwish functions in network nonlinearity research

圖8　不同算法對油茶炭疽病分割效果

??? Fig.8? Effectiveness of different algorithms for segmentation of Camellia oleifera leaf anthracnose

圖9　油茶葉片炭疽病嚴重程度分級實驗

Fig.9? Camellia oleifera leaf anthracnose injection severity

grading experiment

通信作者簡介

饒洪輝? ? 教授

饒洪輝，博士，教授，碩士研究生導師，中國農(nóng)業(yè)機械學會丘陵山區(qū)農(nóng)林機械分會委員，江西省農(nóng)業(yè)機械學會理事，南昌市農(nóng)村專業(yè)技術協(xié)會會員，國家自然科學基金通訊評審專家。主要從事油茶果機械采摘與智慧農(nóng)業(yè)等方面研究。主持國家自然科學基金2項，國家重點研發(fā)計劃子課題1項，江西省科技計劃項目1項，江西省林業(yè)廳油茶專項1項，江西省教育廳項目3項；在國內(nèi)外發(fā)表論文30余篇，其中SCI、EI論文8篇；授權專利20余件，其中發(fā)明專利3件。

來源：《智慧農(nóng)業(yè)（中英文）》2024年第3期

（轉自：智慧農(nóng)業(yè)期刊）

海量資訊、精準解讀，盡在新浪財經(jīng)APP