基于改进YOLOv7算法的葡萄病虫害识别研究与应用.pdfVIP

摘要

葡萄含有葡萄糖、花青素和有机酸等多种营养成分，是国民水果食用谱系的重

要构成部分，因此，保障葡萄产业的高质量发展具有重要的经济和社会价值。葡萄

病虫害的精准识别是保障葡萄产业高质量发展的重要环节，为此研究开发一种高效

精准的葡萄病虫害识别算法及相关系统应用软件具有重要的现实意义。现有的葡萄

病虫害识别算法存在模型复杂度高、计算量大、小目标识别精度不足等问题，针对

以上问题进行了相应研究和创新改进，文章的主要研究成果总结如下：

为了提升模型效率并保持多尺度特征融合能力，将MobileNetv3核心模块集成

至YOLOv7的主干网络部分，替换掉原有的高效层聚合网络（EfficientLayer

AggregationNetwork，ELAN）模块。MobileNetv3采用深度可分离卷积和线性瓶颈

结构，能够有效减少模型参数量和计算量，同时其引入的注意力机制可以增强模型

对重要特征的提取能力。

为了在保证模型轻量化的同时降低计算复杂度，在YOLOv7-MobileNetv3算法

中引入反向残差注意力机制（InvertedResidualMobileBlock，iRMB），该机制将传

统的残差块与注意力机制相结合，形成一种新的轻量级模块。iRMB模块通过反向

残差结构减少信息损失，并利用注意力机制增强特征表达能力，从而在保证模型精

度的同时降低计算复杂度。

为了提高模型在面对噪声干扰或边界框预测不准确时的鲁棒性，提出了用SIoU

损失函数替换YOLOv7-MobileNetv3中的CIoU损失函数。SIoU损失函数考虑了边

界框之间的角度、距离和形状信息，能够更准确地衡量预测框与真实框之间的相似

度，从而提高模型的定位精度。实验结果表明，改进后的算法MiS-YOLOv7mAP值

达到92%，相较于YOLOv7提升了4.2个百分点；参数量降至25.86M，相较于

YOLOv7算法降低了10.65M。

将所提出的基于YOLOv7的改进算法集成到系统软件框架中，软件支持多种输

入类型，如图片、本地视频、网络实时视频流等，能够满足用户在不同场景下的使

用需求，为葡萄种植过程中的病虫害管理提供了高效、稳定的技术支持。

关键词：YOLOv7；葡萄病虫害；MobileNetv3；轻量化；注意力机制；iRMB

Abstract

Grapescontainvariousnutrientssuchasglucose,anthocyanins,andorganicacids,

andareanimportantpartofthenationalfruitconsumptionspectrum.Therefore,ensuring

thehigh-qualitydevelopmentofthegrapeindustryhassignificanteconomicandsocial

value.Thepreciseidentificationofgrapediseasesandpestsisacruciallinkinguaranteeing

thehigh-qualitydevelopmentofthegrapeindustry.Thus,itisofgreatpractical

significancetoresearchanddevelopanefficientandaccurategrapediseaseandpest

recognitionalgorithmandrelatedsystemapplicationsoftware.Existinggrapediseaseand

pestrecognitionalgorithmshaveproblemssuchashighmodelcomplexity,large

computationalload,andinsufficientaccuracyi