基于轻量级yolo检测模型开发构建番茄/西红柿病虫害检测识别分析系统

在之前的项目实践中，针对番茄做的病虫害的实践主要是集中在病虫害识别任务上面，这里主要的目的是开发构建番茄病虫害检测系统，基于轻量级的yolo检测模型来实现病虫害的检测，首先看下效果图：

接下来看下具体的数据情况

因为原始数据集量不是很多，这里在训练开始前做了简单的增强处理，如下所示：

YOLO格式标注文件如下所示：

VOC格式标注数据如下：

这里我使用的是最轻量级的n系列的模型，如下：

nc: 11

depth_multiple: 0.33

width_multiple: 0.25

anchors:

- [10,13, 16,30, 33,23]

- [30,61, 62,45, 59,119]

- [116,90, 156,198, 373,326]

backbone:

[[-1, 1, Conv, [64, 6, 2, 2]],

[-1, 1, Conv, [128, 3, 2]],

[-1, 3, C3, [128]],

[-1, 1, Conv, [256, 3, 2]],

[-1, 6, C3, [256]],

[-1, 1, Conv, [512, 3, 2]],

[-1, 9, C3, [512]],

[-1, 1, Conv, [1024, 3, 2]],

[-1, 3, C3, [1024]],

[-1, 1, SPPF, [1024, 5]],

]

head:

[[-1, 1, Conv, [512, 1, 1]],

[-1, 1, nn.Upsample, [None, 2, 'nearest']],

[[-1, 6], 1, Concat, [1]],

[-1, 3, C3, [512, False]],

[-1, 1, Conv, [256, 1, 1]],

[-1, 1, nn.Upsample, [None, 2, 'nearest']],

[[-1, 4], 1, Concat, [1]],

[-1, 3, C3, [256, False]],

[-1, 1, Conv, [256, 3, 2]],

[[-1, 14], 1, Concat, [1]],

[-1, 3, C3, [512, False]],

[-1, 1, Conv, [512, 3, 2]],

[[-1, 10], 1, Concat, [1]],

[-1, 3, C3, [1024, False]],

[[17, 20, 23], 1, Detect, [nc, anchors]],

]

训练100次后结果如下。

混淆矩阵：

F1曲线：

PR曲线：

batch计算实例：

训练可视化如下：

相关知识

基于改进YoloV3卷积神经网络的番茄病虫害检测
酸枣病虫害智能化防控系统的探索与实践，基于最新端到端实时目标检测模型YOLOv10全系列【n/s/m/b/l/x】参数模型开发构建枣类作物种植场景下酸枣病虫害智能检测识别系统
酸枣病虫害智能化防控系统的探索与实践，基于YOLOv8全系列【n/s/m/l/x】参数模型开发构建枣类作物种植场景下酸枣病虫害智能检测识别系统
酸枣病虫害智能化防控系统的探索与实践，基于YOLOv9全系列【yolov9/t/s/m/c/e】参数模型开发构建枣类作物种植场景下酸枣病虫害智能检测识别系统
基于改进YOLO v5s模型的水稻病虫害监测系统
基于深度学习的番茄成熟度检测系统（网页版+YOLOv8/v7/v6/v5代码+训练数据集）
【农业科普】病害检测研究汇总：深度学习在植物病害目标检测
基于YOLO8水稻病虫害检测系统 水稻病虫害检测系统 YOLO目标检测算法 识别图片与视频支持本地摄像头识别，图片识别支持统计检测到的物体数量，UI界面动态调节模型置信度
深度学习在植物病害目标检测的科研进展
高分项目：基于yolov5的海棠花花朵识别检测系统完整包

网址: 基于轻量级yolo检测模型开发构建番茄/西红柿病虫害检测识别分析系统 https://www.huajiangbk.com/newsview1840287.html