基于YOLOv5-C的广佛手病虫害识别

• Published in: 华南农业大学学报 Vol. 44; no. 1; pp. 151 - 160
• Main Authors: 骆润玫, 殷惠莉, 刘伟康, 胡凯, 廖飞, 刘泽乾, 曹亚芃, 李强, 王卫星
• Format: Journal Article
• Language: Chinese
• Published: 华南农业大学电子工程学院,广东广州510642%广东省农业技术推广中心,广东广州510520%华南农业大学电子工程学院,广东广州510642 2023; 广东省农情信息监测工程技术中心,广东广州510642
• Subjects: 注意力机制; 多尺度特征融合; 广佛手; 病虫害识别; 轻量化; 目标检测
• ISSN: 1001-411X
• DOI: 10.7671/j.issn.1001-411X.202203012

S435.67%TP391; [目的]为实现复杂背景下广佛手发病早期的病虫害快速精准识别,提出一种基于YOLOv5-C的广佛手病虫害识别方法.[方法]使用YOLOv5s网络模型作为基础网络,通过引入所提出的多尺度特征融合模块,提高网络模型的特征提取与特征融合能力,均衡提高每一类广佛手病虫害的识别准确率;使用注意力机制模块提高网络模型对病虫害目标特征信息的关注度,弱化复杂背景的干扰信息,提高网络模型的识别准确率;利用改进的C3-SC模块替换PANet结构中的C3模块,在不影响网络模型识别性能的条件下减少网络模型的参数.[结果]基于YOLOv5-C的复杂背景下的广佛手病虫害识别,F1分数为90.95％,平均精度均值为93.06％,网络模型大小为14.1 Mb,在GPU上每张图像平均检测时间为0.01 s.与基础网络YOLOv5s相比,平均精度均值提高了2.45个百分点,7个类别识别的平均准确率的标准差由7.14减少为3.13,变异系数由7.88％减少为3.36％.平均精度均值比RetinaNet、SSD、Efficientdet和YOLOv4模型分别高22.30、20.65、4.84和2.36个百分点.[结论]该方法能快速准确地识别复杂背景下广佛手病虫害目标,可为广佛手种植产业的智能化管理提供参考.