基于YOLO v5s改进模型的玉米作物病虫害检测方法

作者：施杰; 林双双; 罗建刚; 杨琳琳; 张毅杰; 顾丽春^*

来源：江苏农业科学, 2023, 51(24): 175-183.

DOI：10.15889/j.issn.1002-1302.2023.24.024

• 玉米作物病虫害
• YOLO v5s改进模型
• 注意力机制
• EIOU
• 目标检测

针对玉米作物病虫害目标检测中由于图像背景复杂、无关因素干扰较多而导致的对病虫害目标检测效果不理想等问题，采用深度学习技术，提出一种基于YOLO v5s改进模型的玉米作物病虫害检测方法。该方法通过引入无参SimAM注意力机制对YOLO v5s模型进行改进，利用该机制能更全面地评估模型特征权重，以增强玉米病虫害的特征，削弱复杂背景和无关信息的干扰，从而提高模型的检测性能。同时，将模型的损失函数由CIOU替换为EIOU,可使病虫害预测框更加接近真实框，以提升模型检测的准确率。通过自建的玉米病虫害数据集对模型进行试验对比，结果表明，YOLO v5s(EIOU+SimAM)改进模型的精确率为94.6%,召回率为83.4%,平均精度均值为90.1%。经比较发现，改进模型比原始模型在上述3个指标方面分别提升了5.4、0.5、1.9百分点，说明YOLO v5s(EIOU+SimAM)模型对玉米病虫害检测具有较强的鲁棒性和泛化性。

• 单位
  云南农业大学; 机电工程学院