基于改进YOLOv5s的番茄叶片病虫害识别方法  

作　　者：黄志龙 

机构地区：[1]武汉轻工大学,湖北武汉430023

出　　处：《电大理工》2024年第3期1-7,17,共8页Study of Science and Engineering at RTVU.

摘　　要：针对自然环境下背景复杂的番茄病虫害问题,为了进一步提高病虫害番茄叶片识别准确率,构建了番茄叶片病虫害图像数据集,并提出一种基于改进YOLOv5s的番茄叶片病虫害识别方法。该方法以YOLOv5s为基础模型,首先在颈部网络层中引入Ghost卷积,减小模型计算量;然后在主干特征提取网络中引入可变形卷积DCNv2,增强模型对尺度变形大的目标的精准定位能力;最后采用自注意力检测头(DyHead),提升网络在复杂环境中对目标特征信息的提取和整合能力。实验结果表明,该方法与未改进的YOLOv5s、YOLOv7、YOLOv7-tiny、YOLOv8n网络相比,识别准确率分别提高了2.6%、1.2%、14.4%、5.7%。所提方法为番茄叶片病虫害的精准识别提供了一种有效的技术支持。

关 键 词：病虫害识别 深度学习 可变形卷积 注意力 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]