改进YOLOv5算法的玉米病害检测研究

摘要：

为了解决玉米叶部病害识别技术落后、效率不高、精度不够的问题,提出一种改进的YOLOv5算法识别玉米病害.在保持模型的较低计算量的情况下,同时提升检测速度和算法性能,将传统的YOLOv5s网络的特征提取结构进行改进,在主干网络中添加CA注意力机制,改善目标漏检问题,帮助模型更加精准地定位和识别;在颈部使用BiFPN替代原有的PANet,通过双向的特征融合提升多尺度语义特征的利用,加强对图像深层特征的提取,添加小目标监测层,加强对小物体的检测效果;改进损失函数,引入Focal-EIOU Loss损失函数,提高BBox的回归精度.改进后的YOLOv5算法和传统的YOLOv5s相比,Recall提升了4.61个百分点,平均精度AP上升了4.5个百分点,mAP@0.5提高了2.14个百分点,检测速度上升了4.5 FPS.实验结果表明,改进后的YOLOv5算法在增加极少复杂度的情况下明显提升了算法的效率和性能,并且效果优于传统的YOLOv5s算法.

关键词：玉米病害、YOLOv5、特征金字塔、注意力机制、EIOU、目标检测

所属期刊栏目：17

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;江苏省研究生科研与实践创新计划项目

在线出版日期：2023-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：933-941