引用格式：聂刚刚, 饶洪辉, 李泽锋, 刘木华. 基于改进YOLACT的油茶叶片炭疽病感染严重程度分级模型[J]. 智慧农业(中英文), 2024, 6(3): 138-147.
DOI：10.12133/j.smartag.SA202402002
Citation:NIE Ganggang, RAO Honghui, LI Zefeng, LIU Muhua. Severity Grading Model for Camellia Oleifera Anthracnose Infection Based on Improved YOLACT[J]. Smart Agriculture, 2024, 6(3): 138-147.
DOI：10.12133/j.smartag.SA202402002
官网全文免费阅读
知网阅读
基于改进YOLACT的油茶叶片炭疽病感染严重程度分级模型
聂刚刚1，2， 饶洪辉1，2*， 李泽锋1，2， 刘木华1，2
（1.江西农业大学 工学院，江西南昌 330045，中国；2.江西省现代农业装备重点实验室，江西 南昌 330045，中国）
摘要：［目的/意义］炭疽病（anthracnose）作为油茶生长过程中重要的病害，其严重程度的精准判定对于精准施药和科学管理具有重大意义。本研究提出了一种改进YOLACT（You Only Look At CoefficienTs）分级模型Camellia-YOLACT，旨在实现对油茶叶片炭疽病感染严重程度的自动、高效判定。
［方法］首先在YOLACT主干网络部分使用Swin-Transformer来进行特征提取。Transformer架构的自注意力机制拥有全局感受野及移位窗口等特性，有效地增强了模型的特征提取能力；引入加权双向特征金字塔网络，融合不同尺度的特征信息，加强模型对不同尺度目标的检测能力，提高模型的检测精度；在激活函数的选择上，采用非线性能力更强的HardSwish激活函数替换原模型的ReLu激活函数。由于HardSwish在负值区域不是完全截断，对于输入数据中的噪声具有更高的鲁棒性，自然环境下的图像有着复杂的背景和前景信息，HardSwish的鲁棒性有助于模型更好地处理这些情况，进一步提升精度。
［结果和讨论］采用迁移学习方式在油茶炭疽病感染严重程度分级数据集上进行实验验证。消融实验结果表明，本研究提出的Camellia-YOLACT模型的mAP75为86.8%，较改进前提升5.7%；mAPall为78.3%，较改进前提升2.5%；mAR为91.6%，较改进前提升7.9%。对比实验结果表明，Camellia-YOLACT在精度和速度方面表现均好于SOLO（Segmenting Objects by Locations），与Mask R-CNN算法相比，其检测速度提升了2倍。在室外的36组分级实验中进一步验证了Camellia-YOLACT模型的性能，其对油茶炭疽病严重程度的分级正确率达到了94.4%，K值平均绝对误差为1.09%。
［结论］本研究提出的Camellia-YOLACT模型在油茶叶片和炭疽病病斑分割上具有较高的精度，能够实现对油茶炭疽病严重程度的自动分级，为油茶病害的精准防治提供技术支持，进一步推动油茶炭疽病诊断的自动化和智能化。
关键词： 油茶；叶部病害；炭疽病；BiFPN；YOLACT；Transformer；深度学习
文章图片
图1 油茶炭疽病数据集Labelme标注样例
Fig. 1 Samples of Camellia oleifera leaf anthracnose dataset
label by Labelme
图2 油茶炭疽病数据集扩充示例
Fig.2 Example of Camellia oleifera leaf anthracnose
dataset expansion
图3 Camellia-YOLACT模型结构
Fig.3 Structure of the Camellia-YOLACT model
图4 Swin-Transformer模型架构
Fig. 4 Structure of Swin-Transformer
图5 W-MSA和SW-MSA划分图像块示意图
Fig.5 Schematic diagram of W-MSA and SW-MSA divided
image blocks
图6 FPN与BiFPN结构图
Fig. 6 Structure diagrams of FPN and BiFPN
图7 网络非线性研究ReLu和HardSwish函数对比
Fig.7 Comparison of ReLu and HardSwish functions in network nonlinearity research
图8 不同算法对油茶炭疽病分割效果
Fig.8 Effectiveness of different algorithms for segmentation of Camellia oleifera leaf anthracnose
图9 油茶叶片炭疽病严重程度分级实验
Fig.9 Camellia oleifera leaf anthracnose injection severity
grading experiment
通信作者简介
饶洪辉 教授
饶洪辉，博士，教授，硕士研究生导师，中国农业机械学会丘陵山区农林机械分会委员，江西省农业机械学会理事，南昌市农村专业技术协会会员，国家自然科学基金通讯评审专家。主要从事油茶果机械采摘与智慧农业等方面研究。主持国家自然科学基金2项，国家重点研发计划子课题1项，江西省科技计划项目1项，江西省林业厅油茶专项1项，江西省教育厅项目3项；在国内外发表论文30余篇，其中SCI、EI论文8篇；授权专利20余件，其中发明专利3件。
来源：《智慧农业（中英文）》2024年第3期
转载请联系编辑部授权
本期支持单位
推荐阅读
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
