基于YOLOv4的马铃薯晚疫病的快速检测的研究

针对传统马铃薯晚疫病识别技术对图像的识别效率和准确率均低,提出将机器学习理论应用到马铃薯晚疫病的识别中,以取得较好的识别效果。本文利用机器学习中的YOLOv4目标检测模型,来判断马铃薯作物区是否感染了晚疫病并计算病害的发病程度。同时还对目标检测模型YOLOv4进行了一定更改:将模型的特征提取结构CSPDarknet53更换为轻量级的MobileNet模型,并在MobileNet模型中增加SE模块以增强其特征提取的能力,模型最终对病害的检测精确度能达到90%以上。该研究可为基于机器学习的马铃薯晚疫病的快速识别和检测提供理论依据和参考价值。