基于YOLOv5-C的广佛手病虫害识别

作者：骆润玫^*; 殷惠莉; 刘伟康; 胡凯; 廖飞; 刘泽乾; 曹亚芃; 李强; 王卫星^*

来源：华南农业大学学报, 2023, 44(01): 151-160.

• 广佛手
• 病虫害识别
• 目标检测
• 轻量化
• 多尺度特征融合
• 注意力机制

【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Retina Net、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。

• 单位
  华南农业大学; 电子工程学院