基于MHSA-YOLOv7的小麦赤霉病感染率检测.pdfVIP

信号与信息处理

－

ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００３３１０６．２０２４．０１．０１０

－

．ＭＨＳＡＹＯＬＯｖ７Ｊ．２０２４５４１７１７７．

引用格式：张正华，吴宇，金志琦基于的小麦赤霉病感染率检测［］无线电工程，，（）：

［，，［］

ＺＨＡＮＧＺｈｅｎｇｈｕａＷＵＹｕＪＩＮＺｈｉｑｉ．ＤｅｔｅｃｔｉｏｎｏｆＧｉｂｂｅｒｅｌｌａＩｎｆｅｃｔｉｏｎＲａｔｅｉｎＷｈｅａｔＢａｓｅｄｏｎＭＨＳＡＹＯＬＯｖ７Ｊ．Ｒａｄｉｏ

－

Ｅｎｇｉｎｅｅｒｉｎｇ，２０２３，５４（１）：７１７７．］

基于ＭＨＳＡＹＯＬＯｖ７的小麦赤霉病感染率检测

张正华，吴宇，金志琦

（扬州大学信息工程学院（人工智能学院），江苏扬州２２５１２７）

摘要：在抗病育种中小麦赤霉病感染率是衡量籽粒抗性表型鉴定的重要衡量指标，针对目前小麦赤霉病感染率检测

存在检测时间长、硬件成本高以及检测方式破坏植株等问题，设计了一种适用于麦穗籽粒此类小目标检测的深度学习网络

ＭＨＳＡＹＯＬＯｖ７ＹＯＬＯｖ７ＭｕｔｉＨｅａｄＳｅｌｆＡｔｔｅｎｔｉｏｎＭＨＳＡ

模型———。通过在原主干网络中融合多头自注意力（，）机制来提高

模型对深层语义特征的提取能力，并使用加权双向特征金字塔网络（，）实现模

ＢｉｄｉｒｅｃｔｉｏｎａｌＦｅａｔｕｒｅＰｙｒａｍｉｄＮｅｔｗｏｒｋＢｉＦＰＮ

块间的跨层连接，使该模型能够提取和传递更丰富的特征信息。实验结果表明，ＭＨＳＡＹＯＬＯｖ７在小麦单穗赤霉病数据集

上达到了９０．７５％的检测精度，相较于原ＹＯＬＯｖ７模型，改进后的算法对于麦穗籽粒此类小目标物体具有更强的特征提取

能力，检测精度、召回率、值、以及分别提高了、、、以及

Ｆ１ｍＡＰ＠０．５ｍＡＰ＠０．５∶０．９５０．３３％１．８３％０．０１１１．１９％

０．３８％，有效满足了小麦赤霉病感染率的精确检测，为实现小麦植株病害走势的长期观测以及小麦籽粒抗性的准确评估提

供了技术支持。

关键词：多头自注意力；ＹＯＬＯｖ７；目标检测；小麦赤霉病

中图分类号：文献标志码：开放科学资源服务标志码：

ＴＰ３９１Ａ（）