来源：期刊VIP网 时间：
作者：彭炜峰;罗江华;
单位：西南大学;重庆水利电力职业技术学院;
摘要：为解决丘陵地区茶树叶部病虫害检测识别中存在的图像目标较小、漏检和误检严重、耗费人力、识别不准、效率不高等问题，提出了一种基于改进YOLOv7的丘陵地区茶树叶部病虫害识别方法。首先，引入AC-E-ELAN模块，促进模型获取丰富图像特征信息，提升模型的学习与推理能力；然后，添加DCNv2、CBAM模块，提升模型对微小特征的提取能力和抗干扰能力；最后，采用CARAFE上采样算子和WIoU损失函数，提高模型识别效率和效果。将改进YOLOv7模型与胶囊网络、残差密集网络、YOLOv7、YOLOv8等模型对茶树叶部常见4种病虫害的识别进行对比试验，结果表明：改进YOLOv7模型的各项评价指标均优于其他模型，具有较高的识别精度和能力。研究为提高茶树生产质量和产量提供了新思路和新方法，对推进农作物病虫害监测预警、统防统治和智慧农业发展具有借鉴和参考意义。
关键词：茶树叶部;;病虫害识别;;改进YOLOv7;;深度学习;;丘陵地区
基金资助：重庆市教委科技研究项目(KJZD-M202503801)
