基于改进RT-DETR的玉米害虫识别方法研究OA
害虫是影响玉米产量和品质的重要因素,为满足智慧农业发展的需求,解决玉米害虫识别精度低、可靠性差的问题,提出了一种基于RT-DETR的改进玉米害虫识别模型。该模型在RT-DETR中引入级联分组多头注意力机制(Cascaded Group Attention),提高了网络的深度表达能力。同时,通过特征聚焦扩散模块与特征扩散机制,使得每个尺度的特征具有详细的上下文信息,增强了后续对害虫的分类和检测能力。通过改进的RT-DETR网络对9种玉米常见害虫进行识别,准确率为94.2%,召回率为92.2%,mAP50为93.8%,与RT-DETR模型相比分别提高了0.9%、4.2%、3.6%。研究结果表明,利用改进RT-DETR网络对玉米害虫识别具有一定可行性和实用价值。
苏振京;戴典辰;张彦;惠国华;吴鹏
浙江农林大学数学与计算机科学学院,浙江杭州311300浙江农林大学数学与计算机科学学院,浙江杭州311300浙江农林大学数学与计算机科学学院,浙江杭州311300浙江农林大学数学与计算机科学学院,浙江杭州311300浙江农林大学数学与计算机科学学院,浙江杭州311300
信息技术与安全科学
深度学习目标检测玉米害虫RT-DETR
《传感技术学报》 2026 (6)
P.1325-1334,10
评论