基于YOLOv5模型的大豆叶部斑病识别方法

作者：张建华; 赵洪凯; 周彦斌; 姜娇阳; 魏兴伟

来源：信息与电脑(理论版), 2023, 35(04): 163-165.

• YOLOv5
• 大豆叶部
• 斑病检测
• 算法设计

针对目前大豆叶部病害识别方法存在的准确率低和鲁棒性差等问题，提出了一种基于改进型的YOLOv5-卷积神经网络（Convolutional Neural Network,CNN）的大豆叶片斑病图像识别方法。首先，对采集的大豆叶部病害图像进行预处理；其次，采用改进型深度学习网络提取特征，并训练分类模型，实现对大豆叶部斑病的快速识别；最后，通过和传统机器视觉系统相结合，完成了对大豆叶片斑病的智能化识别。实验结果表明，该研究方法能够有效提高大豆叶部斑病图像的识别精度和稳定性，在实际生产过程中，可根据田间条件选择不同光照强度下的大豆叶片，以验证所提算法的实用性和适用范围。

• 单位
  扎兰屯职业学院