基于YOLOX-s的农业害虫检测研究

摘要

针对现有目标检测算法难以应对现代农业环境下多种类害虫高精度检测的问题,提出了一种基于Swin-Transformer和YOLOX-s改进的ST-YOLOX-s目标检测模型,实现对30类常见害虫的有效目标检测工作。为解决YOLOX-s模型对小型目标害虫检测效果不佳的问题,在YOLOX-s模型基础上添加P2特征尺度,提升模型对小型目标害虫的检测能力;为弥补卷积神经网络对通道信息关注薄弱的问题,将高效通道注意力模块添加到YOLOX-s的CSPLayer,强化卷积神经网络的特征提取能力;为探索高效自注意力机制下的模型全局特征学习能力,将添加图属性的层次化Swin-Transformer结合到网络模型,弥补卷积神经网络忽视全局特征的问题;最后通过α-CIoU回归定位损失来实现高精度检测定位。实验表明,ST-YOLOX-s在多种类害虫检测上具有更好的检测性能,最终AP50以及AP50-95检测结果分别达到92.27%和67.32%,相比较YOLOX-s模型检测精度分别提高了2.01%和1.91%。同时ST-YOLOX-s检测模型与其他主流模型相比检测精度也有显著优势。