基于改进YOLO v5s的叶菜病虫害检测算法研究  

Study on foliage vegetable disease and pest detection algorithm based on improved YOLO v5s

作　　者：贺洪江[1] 刘毅祥 王双友 He Hongjiang

机构地区：[1]河北工程大学信息与电气工程学院,河北邯郸056000 [2]邯郸学院软件学院,河北邯郸056005

出　　处：《江苏农业科学》2025年第5期244-250,共7页Jiangsu Agricultural Sciences

基　　金：河北省高等学校科学技术研究项目(编号:ZC2022095)。

摘　　要：叶菜病虫害的早期识别是提高叶菜产量和质量的重要保障,为提高常见叶菜病虫的检测精度,针对实际生产中的复杂环境,以YOLO v5s为基准模型,提出一种改进的FV-YOLO v5s模型。首先,在主干网络中融合CA注意力机制模块与C3特征提取模块,形成了C3CA模块以增强叶菜病虫害的特征提取能力。接着在颈部网络中使用Slim-neck范式设计,高效提取图像中小尺寸目标的特征,增强特征融合的效率。最后用WIoU损失对原损失函数CIoU进行替换,更快地达到收敛状态并提升模型检测性能。结果表明,新模型的精度、召回率和平均精度均值分别达到了92.2%、91.5%、94.8%。改进后的模型FV-YOLO v5s对比原YOLO v5s模型算法,精度、召回率、平均精度均值分别提高2.7、1.4、1.8百分点,优于现有的识别网络,包括YOLO v7、YOLO v8、Faster R-CNN等模型。FV-YOLO v5s模型适用于现代农业生产环境,有助于快速识别和检测叶菜病虫害,且该研究为智慧农业中的叶菜高品质和高产量提供了依据,从而最大限度地减少经济损失。

关 键 词：叶菜病虫害 YOLO v5s CA注意力机制 Slim-neck WIoU损失函数 

分 类 号：S126[农业科学—农业基础科学] TP391.41[自动化与计算机技术—计算机应用技术]