基于改进YOLOv7算法的葡萄叶病斑检测方法研究

摘要

针对传统葡萄叶病斑检测漏检率高、小目标检测精度低等问题,提出一种基于YOLOv7改进模型。该算法重新设计锚框以适应葡萄叶片病斑数据集;将全局注意力机制GAM嵌入到YOLOv7模型的颈部中,获取更加丰富的跨通道信息和位置信息;针对个别病斑存在粘连情况,引入柔性非极大值机制(Soft-NMS)策略提高检测框回归精度。为了验证改进后的模型效果,选取3种常见葡萄叶病害进行测试及其验证。验证结果表明,改进后的YOLOv7模型在此数据集上的平均精度(mAP)达到87.2%,比YOLOv7模型提高了3.1%。改进算法能够适用于自然环境下的葡萄叶病害检测,为葡萄病害的防控提供了新方法。