RE-RCNN：一种新型的表示增强型RCNN模型，用于苹果叶病害的早期检测

《ACM Transactions on Sensor Networks》：RE-RCNN: A Novel Representation-Enhanced RCNN Model for Early Apple Leaf Disease Detection

针对苹果早期叶病小病灶检测难题，提出RE-RCNN模型，通过特征增强、损失函数优化和数据采样策略，有效提升小目标检测精度，实验验证其显著优于现有方法。

　　

摘要

苹果叶片病害对苹果的质量和产量有着显著的影响。因此，在疾病早期阶段实施准确的检测方法对于苹果产业的快速和高质量发展具有重要意义。然而，早期的苹果叶片病害通常表现为非常小的病斑，这使得现有的基于深度学习的检测模型在检测这些病斑时面临挑战。在本文中，提出了一种名为“表示增强型RCNN”（RE-RCNN）的新检测模型，用于准确识别早期的苹果叶片病斑。首先，通过引入小型病斑特征增强提取器（SDSFEE），提出了一种能够增强小病斑特征的对象增强分支结构。其次，设计了一种SCMLoss损失函数，以平衡同一类别下不同大小病斑之间的差异。第三，在训练过程中采用了one2one计算策略来合理采样数据。最终的实验结果表明，所提出的模型在早期苹果叶片病害检测任务中表现出优异的性能。