基于改进DETR模型的轻量化茶叶病虫害检测方法.pdfVIP

４４８２０２５８

ＩＳＳＮ１００６－７１６７第卷第期年月

ＣＮ３１－１７０７／ＴＲＥＳＥＡＲＣＨＡＮＤＥＸＰＬＯＲＡＴＩＯＮＩＮＬＡＢＯＲＡＴＯＲＹＶｏｌ．４４Ｎｏ．８Ａｕｇ．２０２５

ＤＯＩ：１０．１９９２７／ｊ．ｃｎｋｉ．ｓｙｙｔ．２０２５．０８．００８

ＤＥＴＲ

基于改进模型的轻量化茶叶病虫害检测方法

宋军，张佑丞，徐锋，焦万果

（南京林业大学信息科学技术学院、人工智能学院，南京）

２１００３７

摘要：针对复杂背景和多目标遮挡导致的检测精度下降问题，提出了一种基于深

ＤＥＴＲ

度学习的轻量化茶叶病虫害检测方法。该方法在现有模型基础上引入小波

变换卷积模块，在减少模型参数量的同时显著提升了对多尺度特征的捕获能力；

结合多尺度多头注意力机制，实现了跨尺度的全局特征融合，有效克服了传统注意

力机制在小目标检测中的局限性；通过设计上下文引导空间特征重建特征金字塔

网络，进一步提升复杂场景下目标检测的鲁棒性和精确性。实验结果表明，模型识

别准确率达９７７％，参数量和浮点运算量均降低３５％以上；通过在树莓派平台部

署验证，表明所提方法能够准确、高效地完成茶叶病虫害检测任务。

ＤＥＴＲ

关键词：茶叶病虫害检测；模型；小波变换；多尺度自注意力；树莓派

ＴＰ３９１Ａ１００６－７１６７（２０２５）０８－００３９－０９

中图分类号：文献标志码：文章编号：

ＡＬｉｇｈｔｗｅｉｇｈｔＴｅａＤｉｓｅａｓｅＤｅｔｅｃｔｉｏｎＭｅｔｈｏｄＢａｓｅｄｏｎ

ｔｈｅＩｍｐｒｏｖｅｄＤＥＴＲＭｏｄｅｌ

ＳＯＮＧＪｕｎ，ＺＨＡＮＧＹｏｕｃｈｅｎｇ，ＸＵＦｅｎｇ，ＪＩＡＯＷａｎｇｕｏ

（ＣｏｌｌｅｇｅｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ／ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，ＮａｎｊｉｎｇＦｏｒｅｓｔｒｙＵｎｉｖｅｒｓｉｔｙ，

Ｎａｎｊｉｎｇ２１００３７Ｃｈｉｎａ

，）

Ａｂｓｔｒａｃｔ：Ａｌｉｇｈｔｗｅｉｇｈｔｔｅａｄｉｓｅａｓｅａｎｄｐｅｓｔｄｅｔｅｃｔｉｏｎｍｅｔｈｏｄｂａｓｅｄｏｎｄｅｅｐｌｅａｒｎｉｎｇｉｓｐｒｏｐｏｓｅｄｔｏａｄｄｒｅｓｓｔｈｅｉｓｓｕｅｏｆ

，

ｄｅｃｒｅａｓｅｄｄｅｔｅｃｔｉｏｎａｃｃｕｒａｃｙｃａｕｓｅｄｂｙｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄｓａｎｄｍｕｌｔｉｐｌｅｔａｒｇｅｔｏｃｃｌｕｓｉｏｎｓ．Ｆｉｒｓｔｌｙｂｕｉｌｄｉｎｇｏｎｔｈｅ

，

ｅｘｉｓｔｉｎｇＤＥＴＲｍｏｄｅｌｔｈｅｉｎｃｏｒｐｏｒａｔｉｏｎｏｆｗａｖｅｌｅｔｔｒａｎｓｆｏｒｍｃｏｎｖｏｌｕｔｉｏｎｎｏｔａｂｌｙａｍｐｌｉｆｉｅｓｔｈｅａｂｉｌｉｔｙｔｏｃａｐｔｕｒｅｍｕｌｔｉ