一种茶叶病害的深度学习检测算法

提出了一种改进的基于深度学习的茶叶病害目标检测算法。该方法在网络模型中添加坐标注意力机制，使模型细化特征，更加关注茶叶病害信息，从而抑制树枝、杂草等一些背景因素的干扰；选用CIoU作为模型的损失函数以提高定位能力；同时，通过聚类的方法对数据集中的目标边框进行重新优化，以获得更精准的先验框；并建立包含6种病害的茶叶病害数据集，解决了病害图像数据匮乏的问题。与其他算法对比实验结果表明，所提出的算法在多个指标上均有较好的表现，可为茶叶病害智能化诊断提供高效的解决方案。