基于改进YOLOv7的番茄叶病害检测模型的研究.pdfVIP

摘要

我国作为农业生产的重要国家，其农作物的高质量发展对社会经济具有深远

的影响。农作物在生长过程中面临着众多病害的威胁，这些病害具有多样性，因

此及时识别病害类型变得至关重要。本文将番茄叶片作为研究对象，根据番茄叶

片图像来检测番茄的病害从而进行相对应的处理。基于该背景，本文对YOLOv7

算法进行改进并用于番茄叶片病害检测，本文主要研究内容如下：

（1）番茄叶病害图像数据集的获取和预处理。从13类病害图片中分离出本

实验需要的5类叶片。图片使用图像标注工具对图像进行标注，并对图像进行图

像增强操作以扩充数据，后对扩充数据进行数据分析。

（2）为了使番茄叶片病害检测模型达到更高的检测效率对模型进行改进。

通过引入注意力机制和MPDIoU损失函数来提升模型精度，在公共数据集上提

升了3.13%。并与主流网络进行对比，验证其有效性。

（3）为了使番茄叶病害检测模型达到更快的检测速度对主干网络进行轻量

化操作。优化算法中的ELAN模块，在公共数据集上每张图片的平均检测速度

提升了3.4ms，并且精度在前文改进基础上又提升了0.15%。

（4）开发基于改进YOLOv7算法的番茄叶病害检测系统。使用PyQt5框架

将改进后的算法部署到移动端，程序对上传图片进行检测能够给出相应的病害情

况和防治建议。用户可以通过可视化操作来进行番茄叶片病害的诊断。

本文通过实验验证了上述方法的有效性。通过添加注意力机制和改进损失函

数实现了模型精度上的提升，通过轻量化操作实现了模型速度上的提升。改进后

的模型能够满足日常农作物病害检测的需求。同时开发了检测系统，方便用户进

行人机交互。

关键词：病害检测，YOLOv7，注意力机制，损失函数，检测系统

ABSTRACT

Asalargeagriculturalproducer,Chinashigh-qualitydevelopmentofcropshasa

significantimpactonitssocio-economicdevelopment.Cropsfacethethreatof

numerousdiseasesduringgrowth,whicharediverseinnatureandhencetimely

identificationofdiseasetypesbecomesessential.Inthispaper,tomatoleavesare

takenastheresearchobject,andtomatodiseasesaredetectedaccordingtotomatoleaf

imagessoastocarryoutcorrespondingprocessing.Basedonthisbackground,the

YOLOv7algorithmisimprovedandusedfortomatoleafdiseasedetectioninthis

thesis:

(1)Acquisitionandpreprocessingoftomatoleafdiseaseimagedataset.Five

typesofleavesneededforthisexperimentwereseparatedfrom13typesofdisease

images.Theimageswerelabeledusingimageannotationtools,andimage

enhancementoperationswereperformedontheimagestoexpandthedata,after

whichdataanalysiswasperformedontheexpandeddata.

(2)Inordertomakethetomato