DA-YOLO:基于双重注意力的松枯病检测模型

松枯病(PWD)是一种传播迅速、杀伤力极强的森林病害,对我国森林生态安全构成严重威胁,并造成巨大的林业经济损失。考虑到我国森林面积广阔,人工巡查监测难度大且成本高,因此利用无人机遥感技术监测病树成为控制松枯病传播的有效途径。尽管目前松枯病检测算法取得了相对较好的性能,但由于松枯病的强传染性,检测效果仍需进一步提高。基于此,本文提出了一种基于YOLOv5的双重注意力混合模型——DA-YOLO,用于更有效地检测病害树木区域。该算法使用基于自注意力的CoT模块加强骨干特征网络的提取能力,并结合ECA注意力机制整体提升定位精度。实验结果显示,在使用PWD遥感数据集时,该模型的AP@0.5:0.95较之基线提高了5.2个百分点。并将本文提出的算法DA-YOLO与Faster R-CNN、RetinaNet、YOLOv5、YOLOv6、YOLOx、YOLOv7等算法的模型复杂度和精度进行对比,并分析了它们在检测松枯萎线虫树木方面的效果。实验结果表明,本文提出的DA-YOLO模型在检测方面具有明显的优势。