YOLO-YSTs：一种基于改进YOLOv10n的实时农田害虫检测方法

主要观点总结

本文介绍了针对黄色粘虫板上的害虫检测问题，改进YOLOv10n模型提出YOLO-YSTs模型的研究。使用SPD-Conv模块、iRMB注意力机制和Inner-SIoU损失函数改进模型，解决小目标和重叠目标的漏检和误检问题。模型在黄色粘虫板数据集上表现优异，并成功部署在树莓派4B上实现实地智能害虫监测。

关键观点总结

关键观点1: 研究背景

介绍了现有的害虫检测方法及存在的问题，强调了开发结构紧凑、成本低廉且易于安装的小型害虫监测平台的重要性。

关键观点2: 算法改进

详细描述了如何使用SPD-Conv模块、iRMB注意力机制和Inner-SIoU损失函数对YOLOv10n模型进行改进，以解决小型且密集目标的漏检、误检以及检测重叠等问题。

关键观点3: 实验及可视化

介绍了实验环境、数据集、评估指标及实验结果，通过可视化展示了YOLO-YSTs模型在黄色粘虫板上的害虫检测效果。

关键观点4: 部署应用

描述了如何将改进的YOLO-YSTs模型部署在树莓派4B上，实现基于实地的智能害虫监测。