| 基于轻量化改进型YOLOv5s的玉米病虫害检测方法 |
| |
| 引用本文： | 施杰,林双双,张威,陈立畅,张毅杰,杨琳琳.基于轻量化改进型YOLOv5s的玉米病虫害检测方法[J].江苏农业学报,2024(3):427-437. |
| |
| 作者姓名： | 施杰 林双双 张威 陈立畅 张毅杰 杨琳琳 |
| |
| 作者单位： | 1. 云南农业大学机电工程学院;2. 云南省作物生产与智慧农业重点实验室 |
| |
| 基金项目： | 国家自然科学基金项目(32260438)；;云南省重大科技专项(202302AE09002002)；;云南省教育厅科学研究基金项目(2023Y0985)； |
| |
| 摘 要： | 针对复杂环境下目前现有的玉米病虫害检测方法的精度不理想、模型复杂、难以在移动端部署等问题，本研究提出了基于轻量化改进型YOLOv5s的玉米病虫害检测方法。首先，采用轻量级网络GhostNet替换原始YOLOv5s模型中特征提取网络和特征融合网络的卷积层，降低模型的计算量和参数量，提高运行速度，以满足移动端的部署要求；其次，为弥补GhostNet所带来的检测精度下降缺陷，在模型的主干特征提取网络中引入注意力机制，更加全面地评估特征权值，以增强玉米病虫害的特征，减弱无关信息的干扰，提升检测性能；最后，将模型的损失函数由CIOU替换为EIOU,以增强模型对目标的精确定位能力，从而提升模型的收敛速度和回归精度。试验结果表明，改进模型相比原始YOLOv5s模型在对供试玉米病虫害检测中，P、R和mAP分别提高了1.9个百分点、2.2个百分点和2.0个百分点，分别达到了94.6%、80.2%和88.8%;在保持较高检测精度的同时，模型的计算量、参数量和模型大小分别减少了50.6%、52.9%和50.4%,解决了检测模型在移动端的部署问题。
|
| 关 键 词： | 玉米 病虫害 检测模型 YOLOv5s 轻量化 |
|
|
