基于YOLOv3 改進(jìn)算法的煙葉原料煙草甲識別方法研究

張衛(wèi)正，陳賽越揚，王艷玲，帖金鑫，丁 佳，李 萌，李燦林，蘇曉珂，甘 勇

（1.鄭州輕工業(yè)大學(xué) 計算機(jī)科學(xué)與技術(shù)學(xué)院，河南 鄭州 450001；2.浙江中煙工業(yè)有限責(zé)任公司寧波卷煙廠，浙江 寧波 315040；3.河北中煙有限責(zé)任公司，河北 石家莊 050051；4.鄭州輕工業(yè)大學(xué) 煙草科學(xué)與工程學(xué)院，河南 鄭州 450001）

煙草甲（Lasioderma serricorne）是世界性儲煙害蟲，除了蛀食煙葉造成孔洞，使煙葉成絲率下降，還會產(chǎn)生大量的排泄物及蟲尸，嚴(yán)重影響煙葉、成品卷煙質(zhì)量及品牌形象。為從源頭控制煙草甲種群數(shù)量，煙葉原料進(jìn)入加工車間前通常要進(jìn)行煙蟲檢測。目前該工序主要為人工識別，由于煙草甲個體較小且體色與煙葉類似，存在工作量大和檢測效率低等問題[1]。

近年來，基于深度學(xué)習(xí)的卷積神經(jīng)網(wǎng)絡(luò)（Convolutional neural networks，CNN）憑借優(yōu)異的特征提取性能彌補(bǔ)了傳統(tǒng)圖像特征提取方法需要人工設(shè)置特征、主觀性較強(qiáng)的弊端，被廣泛地應(yīng)用到病蟲害檢測領(lǐng)域[2-3]，越來越多的專家學(xué)者將CNN 應(yīng)用于害蟲等小目標(biāo)的檢測[4]。岳有軍等[5]提出了改進(jìn)的VGG 網(wǎng)絡(luò)來識別復(fù)雜自然條件下的農(nóng)作物病害圖像，該模型在VGG 網(wǎng)絡(luò)的基礎(chǔ)上加入了高階殘差和參數(shù)共享等模塊，改進(jìn)后的VGG 網(wǎng)絡(luò)在魯棒性和識別準(zhǔn)確率方面均有所提高。楊光露等[6]設(shè)計了一種煙蟲檢測報警系統(tǒng)，該系統(tǒng)基于CenterNet模型結(jié)合數(shù)據(jù)增強(qiáng)技術(shù)實現(xiàn)了煙蟲數(shù)量的統(tǒng)計，結(jié)果顯示，煙草甲蟲的平均識別精度達(dá)到90%以上，但在煙蟲粘連情況下，CenterNet 算法無法準(zhǔn)確識別煙蟲數(shù)量。由于煙草甲的隱蔽性高、身形小，且實際采集的圖像中常存在煙草甲相互粘連、煙葉與煙草甲顏色相近等影響，極大地增加了檢測難度，導(dǎo)致現(xiàn)有的算法大都存在識別精度較低的問題[7]。洪金華等[8]提出了基于YOLOv3 模型的卷煙廠煙蟲識別方法，該模型在YOLOv3 算法的基礎(chǔ)上加入了數(shù)據(jù)增強(qiáng)技術(shù)和K-means 算法，結(jié)果表明，經(jīng)過訓(xùn)練后改進(jìn)的YOLOv3模型能夠滿足卷煙廠對煙蟲檢測精度和速度的要求，但是對復(fù)雜背景下的煙蟲檢測結(jié)果精度較低。張博等[9]對YOLOv3算法進(jìn)行改進(jìn)，加入了反卷積結(jié)構(gòu)，并將空間金字塔池化與改進(jìn)的YOLOv3 相結(jié)合，形成了一種基于空間金字塔池化與深度卷積神經(jīng)網(wǎng)絡(luò)的作物害蟲識別算法，提高了對農(nóng)作物害蟲的識別精度。該算法能夠有效地檢測20 類害蟲，平均識別精度達(dá)到88.07%。為克服現(xiàn)有技術(shù)在煙草甲相互粘連等情況下檢測精度低的問題，提出一種基于YOLOv3 改進(jìn)算法的煙草甲識別模型，該算法將RandomMix 數(shù)據(jù)增強(qiáng)和Kmeans++算法加入YOLOv3算法中，提升對煙草甲識別的準(zhǔn)確率；用SIoU 損失函數(shù)替換傳統(tǒng)的YOLOv3算法中使用的IoU 損失函數(shù)，提高算法的收斂速度和準(zhǔn)確度；引入特征細(xì)化模塊，有效增強(qiáng)算法在復(fù)雜環(huán)境下對害蟲的精準(zhǔn)識別，以期為高效、精確識別煙草甲等小目標(biāo)害蟲提供技術(shù)支持。

1 材料和方法

1.1 試驗環(huán)境

試驗基于cuda11.6+pytorch1.12.1 框架搭建煙草甲的識別模型，Python 版本為3.9.13，操作系統(tǒng)為Windows10，GPU為NVIDIA RTX3070。

1.2 數(shù)據(jù)集制作

1.2.1 圖像采集 對附著煙草甲的貯存煙葉進(jìn)行圖像采集，共獲取1 200 個圖像樣本，其中圖像大小為1 920 像素×1 080 像素。為了豐富圖像樣本的多樣性，在不同光照強(qiáng)度、煙草甲粘連和復(fù)雜背景干擾等環(huán)境下采集煙草甲圖像，樣本圖像如圖1所示。

1.2.2 數(shù)據(jù)標(biāo)注 通過LabelImg圖形圖像注釋工具對圖像樣本進(jìn)行標(biāo)注，將注釋以PASCAL VOC 格式保存為XML文件，標(biāo)注過程如圖2所示。

圖2 對煙草甲蟲圖像進(jìn)行標(biāo)注Fig.2 Labeled image of cigarette beetles

1.3 YOLOv3網(wǎng)絡(luò)模型

YOLOv3 是YOLO 系列網(wǎng)絡(luò)的第3 代，也是最常用的目標(biāo)檢測算法之一[10]。該算法包含主干特征提取網(wǎng)絡(luò)DarkNet53、特征金字塔網(wǎng)絡(luò)（Feature pyramid networks，F(xiàn)PN）和Yolo Head 3 個部分[11]，網(wǎng)絡(luò)結(jié)構(gòu)如圖3 所示。該算法屬于one-stage 目標(biāo)檢測算法，只需要通過一次網(wǎng)絡(luò)模型檢測就能得到目標(biāo)的位置和種類信息，大大提升了算法的預(yù)測速度。

DarkNet53 主要是由3×3 和1×1 的卷積層構(gòu)成，每個卷積層之后都加上一個BN 層和leaky Relu 激活函數(shù)，這3個結(jié)構(gòu)共同組成了DarkNet的基本卷積單元DBL，DarkNet53 中一共有53 個這樣的DBL。DarkNet53 還具有一個重要特點就是使用了5 個殘差塊[12]，每個殘差塊輸入經(jīng)過2 層的DBL 后與原輸入比較，能夠有效提取更深層次的特征，并且能夠防止梯度消失和梯度爆炸的情況。從DarkNet53 中獲取3個有效特征層后，為了進(jìn)一步提取特征，用特征金字塔網(wǎng)絡(luò)進(jìn)行特征融合，其目的是結(jié)合不同尺度的特征信息。利用融合后的3個不同尺寸的特征層輸入到Y(jié)olo Head 中得到預(yù)測結(jié)果，可以獲得邊界框的高度和寬度以及中心點坐標(biāo)。Yolo Head 是由一個3×3 卷積和一個1×1 卷積組成，其中3×3 卷積是用來整合不同尺寸的特征，1×1 卷積用來調(diào)整通道數(shù)。

1.4 改進(jìn)的YOLOv3網(wǎng)絡(luò)模型

1.4.1 重新聚類錨框 YOLOv3 本身是用K-means

算法聚類出錨框的，但K-means 算法的聚類結(jié)果易受初始值選取影響[13]。因此，選用K-means++算法對錨框進(jìn)行重新聚類，基于數(shù)據(jù)集中待檢測物體的尺寸計算出錨框的大小，更加適合對煙草甲數(shù)據(jù)集的檢測[14]。用K-means++算法重新聚類錨框的算法流程如下。

步驟1：從數(shù)據(jù)集中隨機(jī)選擇1 個樣本x作為第1個聚類的中心，記為c1。

步驟2：計算當(dāng)前已有聚類中心與數(shù)據(jù)集中每個樣本x之間的最短距離，用D（x）表示最短距離。

步驟3：計算數(shù)據(jù)集中任意樣本x成為聚類中心的概率P，如公式（1）所示[14]。

步驟4：結(jié)合輪盤法選定下一個聚類中心c2。

步驟5：重復(fù)步驟2到步驟4，直到一共有K個聚類中心被選定。

步驟6：分別計算數(shù)據(jù)集中每個樣本x到所有K個聚類中心之間的距離，并將其與距離最小的聚類中心分到同一個簇中。

步驟7：重新計算每個簇的聚類中心ci，如公式（2）所示[14]。

步驟8：重復(fù)步驟6 和步驟7 直到聚類中心的位置不再變化。

步驟9：輸出結(jié)果。

1.4.2 RandomMix 數(shù)據(jù)增強(qiáng) 通常情況下在訓(xùn)練過程中的樣本數(shù)量越多，訓(xùn)練出來的深度學(xué)習(xí)網(wǎng)絡(luò)模型效果越好，模型的泛化能力和魯棒性越強(qiáng)[15]。本研究采用RandomMix 數(shù)據(jù)增強(qiáng)的方法，將煙草甲的圖像樣本擴(kuò)充到2 200張，為改進(jìn)的YOLOv3網(wǎng)絡(luò)訓(xùn)練提供了充足的有效樣本。

Mixup[16]是近幾年提出來的一種混合樣本的數(shù)據(jù)增強(qiáng)方法，它的核心思想是采用線性插值的方式從訓(xùn)練集生成新的數(shù)據(jù)點與標(biāo)簽的隨機(jī)凸組合（Convex combinations），將2 個樣本-標(biāo)簽數(shù)據(jù)對按比例相加后生成新的樣本-標(biāo)簽數(shù)據(jù)。在Mixup中，混合操作如公式（3）所示。

其中，（xA，yA）和（xB，yB）是2 個訓(xùn)練樣本，（x?,y?）是生成的訓(xùn)練樣本，混合比λ是從beta 分布中采樣的，λ的取值為λ～Beta（α，α），其中α∈（0，∞）。結(jié)合Mixup 和Cutout的思想，CutMix[17]提出了一種新的數(shù)據(jù)增強(qiáng)策略，其中在訓(xùn)練圖像之間剪切和粘貼塊，并且GT 標(biāo)簽也與塊區(qū)域按比例混合，如公式（4）所示。

其中，M表示二進(jìn)制矩形掩碼，指示從2個樣本中退出和填充的位置，1 是填充有1 的二進(jìn)制掩碼，表示元素乘積，混合比λ從均勻分布中采樣，λ的取值為λ～U（0，1）。

ResizeMix[18]通過直接將源圖像調(diào)整為更小的塊，隨后將其粘貼到另一張圖像上來混合訓(xùn)練數(shù)據(jù)，解決了CutMix 中標(biāo)簽分配錯誤和對象信息丟失的問題。對于Fmix[19]，它使用通過對從傅里葉空間采樣的低頻圖像應(yīng)用閾值獲得的隨機(jī)二進(jìn)制掩碼，從而進(jìn)一步改善CutMix 混合區(qū)域的形狀。RandomMix 的主要功能是通過整合這些方法來提高模型的魯棒性并增加訓(xùn)練數(shù)據(jù)的多樣性。此外，RandomMix 可以減少對錯誤標(biāo)簽的記憶，并能夠穩(wěn)定生成對抗網(wǎng)絡(luò)的訓(xùn)練過程，實現(xiàn)更好的性能。RandomMix 方法的流程圖如圖4 所示，其中的重影現(xiàn)象是Mixup增強(qiáng)后的顯示效果。

圖4 RandomMix方法流程Fig.4 An illustrative example of RandomMix

首先，對輸入的Batch 進(jìn)行隨機(jī)樣本配對，接下來為了獲得更多樣化的混合樣本，將配對好的樣本從候選樣本中隨機(jī)選擇一種混合方法來混合配對樣本。隨機(jī)選擇混合方法的定義為從[Mixup，CutMix，ResizeMix，F(xiàn)mix]中，按照[1，1，1，1]的概率隨機(jī)選擇方法。最后，使用混合樣本來訓(xùn)練模型。利用Random Mix 數(shù)據(jù)增強(qiáng)得到的煙草圖像如圖5所示。

圖5 數(shù)據(jù)增強(qiáng)獲取的煙草甲蟲圖像Fig.5 Cigarette beetles images acquired by data enhancement

1.4.3 SIoU 損失函數(shù) 目標(biāo)檢測算法的準(zhǔn)確性和有效性高度依賴于損失函數(shù)的定義，損失函數(shù)由邊界框損失函數(shù)、置信度損失函數(shù)和分類損失函數(shù)三部分組成[20]。在傳統(tǒng)的YOLOv3 算法中使用并交比（Intersection over Union，IoU）作為邊界框損失函數(shù)來判斷樣本的正負(fù)，其計算方法如公式（5）[20]所示。

其中，B表示預(yù)測候選框，Bgt表示真實框，∩表示2個框相交的面積，∪表示2個框的并集的面積。

當(dāng)2個邊界框之間沒有重疊時，梯度回傳消失，此時計算的IoU 為0，2 個邊界框之間的距離無法計算；且IoU無法區(qū)分2個對象之間的對齊方式[21]。為了解決該問題，本研究提出用SIoU Loss 作為YOLOv3 算法的邊界損失函數(shù)，考慮真實框和預(yù)測框之間的向量角度，重新定義相關(guān)損失函數(shù)，能夠更好地優(yōu)化邊界框的具體位置信息。SIoU 包含角度損失（Angle cost）、距離損失（Distance cost）、形狀損失（Shape cost）、IoU損失（IoU cost）四部分。

第1 部分是角度損失，其計算方式的示意圖如圖6 所示。其中，B是目標(biāo)框，BGT是回歸框，當(dāng)B到BGT的水平夾角小于45°時，向最小α 收斂，反之向β收斂。

圖6 角度損失計算方式示意Fig.6 Angle cost calculation mode diagram

實現(xiàn)該功能的損失函數(shù)定義如公式（6）所示。

從圖6 可以看出，當(dāng)α 為0 或π/2 時，角度損失為0。在訓(xùn)練過程中，若α＜π/4，則在角度損失公式中需要取β值來計算角度損失，反之則取α值。

第2 部分是距離損失，為了保證距離與角度的平衡，需要在考慮角度損失的同時考慮到距離損失，距離損失的定義如公式（8）所示。

可以看出，當(dāng)α→0 時，距離損失的占比大大降低。相反，α 越接近π/4，距離損失占比越大。即隨著角度的增大，距離損失的影響也更大。

第3部分是形狀損失，其定義為：

從定義來看，形狀損失主要看回歸框的形狀與標(biāo)簽框是否相似，在每個數(shù)據(jù)集中形狀損失的值是唯一。θ值控制著形狀損失的重要程度。本研究中試驗定義的θ值是4。

最后一個是IoU 損失，結(jié)合前三部分得到總體的損失函數(shù)定義如公式（12）所示。

1.4.4 特征細(xì)化模塊 YOLOv3 中的FPN 模塊作用是將各種規(guī)模的特征進(jìn)行融合，但是直接將特征進(jìn)行融合會因為不同規(guī)模的特征之間的語義差異帶來大量的冗余信息和沖突信息，特征的多尺度表達(dá)能力會因此下降。因此，為了解決微小物體的特征分散和語義差異的問題，本研究將特征細(xì)化模塊[22]（FRM）加入YOLOv3 的FPN 模塊中，目的是過濾沖突信息，減少語義差異，通過自適應(yīng)融合不同層間的特征，消除層間的沖突信息，防止小目標(biāo)消失在沖突信息中。FRM的整體結(jié)構(gòu)如圖7所示。

圖7 FRM結(jié)構(gòu)Fig.7 The framework of FRM

從圖7 可以看出，F(xiàn)RM 主要由2 個并行分支結(jié)構(gòu)組成，即通道凈化模塊和空間凈化模塊[22]。它們用于在空間和通道維度上生成自適應(yīng)權(quán)重，從而引導(dǎo)特征向更關(guān)鍵的方向?qū)W習(xí)。通道凈化模塊的結(jié)構(gòu)如圖7 所示。為了獲得通道注意圖，在空間維度上對輸入特征圖進(jìn)行壓縮，以聚集能夠代表圖像全局特征的空間信息。自適應(yīng)平均池和自適應(yīng)最大池相結(jié)合，以獲得更精細(xì)的圖像全局特征。Xm被定義為在FRM 的第m層（m={1，2，3}）的輸入。xmk,x,y被定義為位置（x，y）處第k個通道上第m個特征映射的值。因此，上面分支的輸出如公式（13）所示[23]。

式中，a、b和c是通道自適應(yīng)權(quán)重，定義為由圖7中的串聯(lián)操作生成的特征計算它的平均池化和最大池化，再在空間維度上對這2個權(quán)重求和，最后利用sigmoid 激活函數(shù)生成基于通道的自適應(yīng)權(quán)重a、b和c。

空間凈化模塊通過sofmax 生成相對于通道的所有位置的相對權(quán)重，下分支的輸出定義如公式（14）所示[23]。

FRM的總輸出可以表示為[23]：

最后FPN 的所有層的特征在自適應(yīng)權(quán)重的指導(dǎo)下被融合在一起，并且{P1，P2，P3}被用作整個網(wǎng)絡(luò)的最終輸出。

1.5 評價指標(biāo)

為了驗證改進(jìn)的YOLOv3模型對煙草甲蟲目標(biāo)檢測的準(zhǔn)確性，采用精確率（Precision）、召回率（Recall）、F1 分?jǐn)?shù)（F1-score，F(xiàn)1）、平均精度均值（Mean average precision，mAP）、每秒幀率（Frame per second，F(xiàn)PS）作為評價指標(biāo)來評估所提出的方法。精確率是指在被所有預(yù)測為正的樣本中實際為正樣本的概率；召回率指在實際為正的樣本中被預(yù)測為正樣本的概率，F(xiàn)1分?jǐn)?shù)同時考慮精確率和召回率，讓兩者同時達(dá)到最高，取得平衡。計算公式如下：

式中，TP表示正確預(yù)測出來的正樣本數(shù)量，F(xiàn)P表示將負(fù)樣本錯誤預(yù)測為正樣本的數(shù)量，F(xiàn)N表示將正樣本錯誤預(yù)測為負(fù)樣本的數(shù)量。

平均精度均值指的是各類別平均正確率的平均值，計算出所有類別的平均正確率后除以類別總數(shù)即得到平均精度均值，計算公式如公式（19）所示：

其中，ΣAP表示全部類別的平均精度值之和，N（C）表示全部類別的總數(shù)。mAP的值越高，模型的檢測效果就越好。

2 結(jié)果與分析

2.1 參數(shù)設(shè)置與訓(xùn)練

經(jīng)過Random Mix數(shù)據(jù)增強(qiáng)后得到2 200張經(jīng)過標(biāo)注的煙草甲蟲圖像，從中隨機(jī)選取的訓(xùn)練集、測試集和驗證集的圖像數(shù)量分別為1 800、200、200張。在訓(xùn)練模型時，初始學(xué)習(xí)率設(shè)置為0.001，總訓(xùn)練輪次（Epoch）大小為100，為了不破壞已有的參數(shù)狀態(tài)并加快訓(xùn)練速度，將主干特征提取網(wǎng)絡(luò)凍結(jié)一部分[24]。本試驗設(shè)置前30 輪訓(xùn)練為凍結(jié)訓(xùn)練，且訓(xùn)練批次（batch_size）設(shè)置為6，隨后將其解凍并將學(xué)習(xí)率設(shè)置為0.000 1，訓(xùn)練批次設(shè)置為3，訓(xùn)練到100輪次。

根據(jù)改進(jìn)的YOLOv3 模型和原YOLOv3 模型提供的訓(xùn)練日志，可以表征模型的損失函數(shù)值隨訓(xùn)練輪次變化的曲線，如圖8 所示。可以看出，2 種模型均在前期快速收斂，但隨著訓(xùn)練輪次增加，改進(jìn)的YOLOv3 模型的損失值比原YOLOv3 模型的損失值更低。最終改進(jìn)的YOLOv3 模型的損失值穩(wěn)定在3.1 左右，而原YOLOv3 模型的損失值為9.8，表明改進(jìn)的YOLOv3模型的精確度更高。

圖8 模型損失值曲線Fig.8 Curve of model loss value

2.2 不同模型的檢測結(jié)果比較

利用訓(xùn)練完成后的改進(jìn)的YOLOv3模型對煙草甲蟲圖像進(jìn)行識別，得到的預(yù)測效果如圖9所示。

圖9 改進(jìn)的YOLOv3預(yù)測可視化結(jié)果Fig.9 The prediction visualization results of improved YOLOv3

從預(yù)測結(jié)果可以看出，改進(jìn)的YOLOv3 模型可以精準(zhǔn)定位煙草甲所在區(qū)域并用預(yù)測框標(biāo)識，在圖像中顯示害蟲類別和置信度。為了驗證改進(jìn)的YOLOv3 模型的有效性，分別采用YOLOv3 模型和改進(jìn)的YOLOv3 模型識別多個煙草甲的圖像，部分檢測結(jié)果如圖10所示。

圖10 YOLOv3與改進(jìn)的YOLOv3預(yù)測結(jié)果對比Fig.10 Comparison of YOLOv3 with improved YOLOv3

YOLOv3 模型在圖像清晰度不高時識別煙草甲可能會出現(xiàn)漏檢的情況，而改進(jìn)的YOLOv3 模型可以克服這種情況。結(jié)合多張圖像的預(yù)測結(jié)果對比分析可得，和原YOLOv3 模型相比，改進(jìn)的YOLOv3模型對復(fù)雜環(huán)境下的煙草甲具有更好的識別效果。

將改進(jìn)的YOLOv3 模型與YOLOv3、Faster RCNN、YOLOv4、YOLOv4-tiny、YOLOv5、SSD（Single Shot MultiBox Detector）、Retinanet 等模型進(jìn)行比較。對上述模型均采用相同的硬件設(shè)施和相同的數(shù)據(jù)集進(jìn)行訓(xùn)練，8 種模型在相同的煙草甲數(shù)據(jù)集上的精確率、召回率、F1分?jǐn)?shù)、mAP值和每秒幀率結(jié)果如表1所示。

表1 不同模型的檢測結(jié)果Tab.1 Test results of different models

從表1 可以看出，改進(jìn)的YOLOv3 模型比YOLOv3 模型的精確率、召回率、F1 分?jǐn)?shù)、mAP 值和每秒幀率分別提高了12.21 百分點、11.79 百分點、0.12、12.40 百分點和12 幀/s，具有更好的識別精度和識別速率，可以更快更好地完成煙草甲蟲的實時檢測工作。雖然YOLOv5模型在精確率、召回率、F1分?jǐn)?shù)和mAP 上都很接近改進(jìn)的YOLOv3 模型，YOLOv5 模型在識別精度方面只是稍微落后于改進(jìn)的YOLOv3模型，但是其每秒幀率只有35幀/s，可見YOLOv5 模型的識別速率較低，并不能滿足煙草甲蟲實時檢測的要求。Faster R-CNN、YOLOv4和SSD模型都能夠較為快速地完成煙草甲的識別任務(wù)，但是它們的精確率、召回率、F1 分?jǐn)?shù)和mAP 都明顯低于改進(jìn)的YOLOv3 模型，表明改進(jìn)的YOLOv3 的識別精確度比起其他算法具有較為明顯的優(yōu)勢。雖然在每秒幀率上YOLOv4-tiny 模型比改進(jìn)的YOLOv3 模型具有優(yōu)勢，但是其他指標(biāo)與改進(jìn)的YOLOv3 模型相比均較低且有明顯差異，并且改進(jìn)的YOLOv3 模型在每秒幀率上達(dá)到49 幀/s，已滿足煙草甲蟲檢測的識別速度要求。

綜上所述，與其他檢測模型相比較，改進(jìn)的YOLOv3 模型兼顧精準(zhǔn)和高效的要求，對煙草甲蟲的識別效果最好，擁有更為強(qiáng)大的泛化能力，能夠滿足對復(fù)雜環(huán)境下的煙草甲蟲進(jìn)行準(zhǔn)確且高效地識別的任務(wù)，并且對開發(fā)復(fù)雜背景下的小目標(biāo)識別系統(tǒng)有很好的應(yīng)用價值。

3 結(jié)論與討論

本研究在對煙草害蟲識別領(lǐng)域進(jìn)行分析后，針對該領(lǐng)域目前存在的問題，提出了基于改進(jìn)的YOLOv3 算法的貯存煙葉中的煙草甲識別方法。該方法在YOLOv3 算法的基礎(chǔ)上做出了如下創(chuàng)新：①用K-means++算法重新聚類錨框，大大提高了YOLOv3 算法識別煙草甲的精準(zhǔn)率；②引入RandomMix 數(shù)據(jù)增強(qiáng)，擴(kuò)充樣本數(shù)據(jù)集數(shù)量并提高樣本數(shù)據(jù)集的質(zhì)量；③使用SIoU 邊界回歸損失函數(shù)替代IoU 回歸損失函數(shù)，提高模型定位的準(zhǔn)確性，加速模型收斂；④在YOLOv3 的特征金字塔模塊（FPN）中加入特征細(xì)化模塊（FRM）來過濾沖突信息，防止微小目標(biāo)特征被淹沒在沖突信息中，優(yōu)化復(fù)雜背景下的小目標(biāo)識別。利用建立的煙草甲蟲數(shù)據(jù)集進(jìn)行訓(xùn)練和測試，結(jié)果表明，改進(jìn)的YOLOv3模型比原YOLOv3 模型的損失值更低、識別精度更高，針對復(fù)雜環(huán)境下煙草甲的識別更準(zhǔn)確。改進(jìn)后的模型在煙草甲識別精確率、召回率、F1 分?jǐn)?shù)和mAP 上 分 別 達(dá) 到 了93.26%、88.25%、0.90 和94.59%，通過與Faster R-CNN 和SSD 等7 種目標(biāo)檢測算法相比，各項數(shù)值都有明顯提升，顯示了改進(jìn)后算法的準(zhǔn)確性和有效性。改進(jìn)后算法的檢測速度為49 幀/s，能夠滿足煙草甲的實時檢測需求。該算法在檢測速度方面還有提升的空間，后續(xù)將在保證算法準(zhǔn)確性的基礎(chǔ)上提高算法檢測速度。

本研究通過收集貯存煙葉中的煙草甲圖像，采用改進(jìn)的YOLOv3 模型對煙草甲數(shù)據(jù)集進(jìn)行測試，取得了較好的識別效果。雖然目前YOLO算法已經(jīng)發(fā)展到了YOLOv8，但是本研究所提出的改進(jìn)的YOLOv3 模型在煙草甲檢測的實時性、準(zhǔn)確性和易用性等方面仍具有獨特優(yōu)勢。YOLOv4 相對于YOLOv3 需要更高的計算資源要求，對于一些配置較低的硬件設(shè)備，運行效率較低，對GPU 顯存的要求也會更高。盡管YOLOv4在目標(biāo)檢測性能上有所提升，但由于引入了更多的計算復(fù)雜度，它的推理速度相對較慢。而YOLOv3在速度和實時性上表現(xiàn)較好，更適用于煙草甲害蟲的實時檢測，能夠做出更加快速的響應(yīng)。YOLOv5 模型采用了輕量級的網(wǎng)絡(luò)架構(gòu)，以實現(xiàn)更快的推理速度，但這會導(dǎo)致一定的精度損失。而YOLOv3則平衡了計算資源與性能之間的關(guān)系，通過引入多個不同尺度的特征圖和預(yù)測層，可以適應(yīng)復(fù)雜背景下的煙草甲檢測任務(wù)。在多尺度目標(biāo)檢測方面，YOLOv3 引入了多尺度預(yù)測和特征融合機(jī)制，可以捕捉目標(biāo)的細(xì)節(jié)和上下文信息，推斷目標(biāo)的位置和類別，從而更好地解決檢測時部分煙草甲之間存在遮擋與重疊的問題。YOLOv6 模型的代碼不夠完善，缺乏嚴(yán)謹(jǐn)?shù)慕忉?，并且在檢測精度與速度上都不能滿足實時檢測煙草甲的需求。在模型大小方面，YOLOv7 和YOLOv8模型包含更多的卷積層和參數(shù)，需要更多的計算資源和時間來訓(xùn)練和推理，增加了計算機(jī)硬件和時間的成本，而YOLOv3 則可以在相對更短的時間內(nèi)完成訓(xùn)練。在檢測精度方面，與YOLOv8算法相比，改進(jìn)的YOLOv3算法在煙草甲這一小目標(biāo)的檢測上的精度更高、速度更快，能夠滿足實時檢測煙草甲的需求。本研究通過一系列優(yōu)化模型和增強(qiáng)數(shù)據(jù)集等措施改進(jìn)了YOLOv3 模型，相比于其他YOLO 算法，在煙草甲的實時檢測方面具有更高的速度和更好的適用性，能夠在實時性、準(zhǔn)確性和易用性等方面取得較好的平衡。