基于BCE-YOLOv5的苹果叶部病害检测方法

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0.2M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

所属期刊栏目：51

分类号：TP391.41(计算技术、计算机技术)

资助基金：云南省重大科技专项202002AE09001002

在线出版日期：2023-09-12（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：155-163