来源：期刊VIP网 时间：
作者：宋军;张佑丞;徐锋;焦万果;
单位：南京林业大学信息科学技术学院、人工智能学院;
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，提出了一种基于深度学习的轻量化茶叶病虫害检测方法。该方法在现有DETR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。
关键词：茶叶病虫害检测;;DETR模型;;小波变换;;多尺度自注意力;;树莓派
基金资助：江苏省本科高校“理工类公共基础课程教学改革研究”专项课题(2024LGJK034)
