基于ActNN-YOLO v5s-RepFPN的番茄病害识别及系统设计

打开文本图片集

doi：10.15889/j.issn.1002-1302.2024.20.026

摘要：作物病害的早期检测可以提高农作物的质量和生产力，为解决番茄病害识别模型在真实复杂场景中的泛化能力弱，易受作物品种、颜色特征、叶斑形状、疾病周期和环境因素干扰，对存储和计算资源依赖性强的问题，提出1个轻量化改进模型ActNN-YOLO v5s-RepFPN来研究多个区域场景中的番茄疾病，使用Mosaic数据增强方法来扩展数据，结合使用模型参数压缩技术ActNN来替换YOLO v5s网络中的组件模块，保留重要激活参数的同时不影响精确度，然后在YOLO v5s颈部网络内构建RepFPN特征金字塔，增加特征信息流通，实现计算和内存平衡的硬件神经网络设计。（剩余9416字）