| 基于BCE-YOLOv5的苹果叶部病害检测方法 |
| |
| 引用本文： | 曾晏林,贺壹婷,蔺瑶,费加杰,黎强,杨毅.基于BCE-YOLOv5的苹果叶部病害检测方法[J].江苏农业科学,2023(15):155-163. |
| |
| 作者姓名： | 曾晏林 贺壹婷 蔺瑶 费加杰 黎强 杨毅 |
| |
| 作者单位： | 云南农业大学大数据学院 |
| |
| 摘 要： | 针对自然环境中，人工目视解译苹果叶部病害耗时耗力、人为主观因素强的问题。本研究提出了一种融合自注意力机制和Transformer模块的目标检测算法——BCE-YOLOv5,实现对自然环境下对苹果叶片病虫害的自动识别与检测。该算法首先使用BotNet、ConvNeXt模块分别替换Backbone网络和Neck网络的CSP结构，增加自注意力机制对目标的特征提取能力。通过将改进的CBAM引入YOLOv5的特征融合网络之后，使注意力机制对特征融合信息更加地关注。最后，用α-IoU损失函数替换IoU损失函数，使得网络在模型训练过程中收敛的更加稳定。BCE-YOLOv5算法在传统算法YOLOv5基础上平均精准率均值提升了2.9百分点，并且改进后的算法的模型大小和计算量较传统算法分别减小了0.2 M和0.9 GFLOPs。平均精度均值比YOLOv4s、YOLOv6s、YOLOx-s和YOLOv7模型分别高2.5、1.3、3.5、2.2百分点。该方法能快速准确识别苹果叶部病害，为苹果种植过程中提供智能化管理做参考。
|
| 关 键 词： | 苹果 叶片病害 识别 注意力机制 YOLOv5 BotNet ConvNeXt CBAM α-IoU |
|
|
