共 23 条
- [3] Early detection of pine wilt disease in Pinus tabuliformis in North China using a field portable spectrometer and UAV-based hyperspectral imagery[J]. Forest Ecosystems, 2021, 8 (03) : 583 - 601Run YuLili RenYouqing Luo
结合注意力机制与YOLOv5的松材线虫病受害木检测
被引：9
作者：
许可
[1
,2
,3
]
季卓
[4
]
夏凯
[1
,2
,3
]
杨垠辉
[1
,2
,3
]
冯海林
[1
,2
,3
]
机构：
[1] 浙江农林大学数学与计算机科学学院
[2] 林业感知技术与智能装备国家林业和草原局重点实验室
[3] 浙江省林业智能监测与信息技术研究重点实验室
[4] 浙江同创空间技术有限公司
来源：
基金：
浙江省自然科学基金;
关键词：
松材线虫病;
无人机影像;
YOLO算法;
注意力机制;
目标检测;
D O I：
10.13360/j.issn.2096-1359.202208018
中图分类号：
S763.18 [其他];
学科分类号：
摘要：
松材线虫病是我国近几十年来最严重的一种森林病害，加强疫情的监测迫在眉睫。本研究在自建数据集的基础上采用3种不同的注意力模块(CBAM、SE和CA)改进YOLOv5算法并结合数字正射影像图自动识别松材线虫病受害木，分别对比了改进模型CBAM-YOLOv5、SE-YOLOv5、CA-YOLOv5与YOLOv5模型的识别效果，实现了对变色松树和枯死疫木检测效果的提升。结果表明：3种注意力改进策略的变色松树查全率、平均精度和F1分数显著提高，查准率不逊色于YOLOv5模型；综合考量查全率和F1分数指标，SE-YOLOv5模型的变色松树和枯死疫木检测效果最好，其F1分数分别达到89.7%和76.9%,比原模型分别提高了5.5%和5.4%,其检测精度分别为91.7%和80.3%,较YOLOv5模型分别提升了4.7%和5.1%;在理想置信度阈值情况下3种注意力改进策略的变色松树和枯死疫木查全率均值分别为85.4%和76.6%,基本满足实际检测需求。对各注意力改进模型检测层的特征图和热力图进行剖析可以看出，嵌入注意力机制有利于提取高贡献度的特征成分，可以提升变色松树特征提取的准确性。因此，改进的YOLOv5模型基本满足了在较大疫区范围内对疫情监测的需求，这对于松林资源保护和病害防治具有积极意义。
引用
收藏
页码：156 / 164
页数：9
相关论文