基于改进SPP-x的YOLOv5神经网络水稻叶片病害识别检测

作者：杨波; 何金平; 张立娜^*

来源：中国农机化学报, 2023, 44(09): 190-197.

DOI：10.13733/j.jcam.issn.2095-5553.2023.09.027

• 水稻叶片病害
• 卷积神经网络
• YOLOv5
• ResNet
• 优化器

针对YOLOv5模型在水稻病害叶片检测计算复杂度高，计算速度慢的问题，提出一种基于改进SPP-x的YOLOv5模型水稻病害叶片识别检测方法。首先，将原主干网中SPP模块中3个不同尺寸(5×5、9×9、13×13)的MaxPool层替换为3个尺寸相同的5×5 MaxPool层连接，后面通过1×1卷积层来调整输出特征维数，再将YOLOv5网络中优化器替换为Adam,从而构建新的YOLOv5网络结构。通过试验比较SGD和Adam优化器在训练集上的收敛速度，结果表明：改进后的SPP-x模块在运算时间上仅是原SPP的50%,计算精度值达到97%,mAP＿0.5和mAP＿0.5:0.95两项指标分别收敛于0.983和0.822。试验发现改进SPP-x的YOLOv5模型单张图像检测速度0.34 s,效果良好，能够有效地辅助水稻病害识别。

• 单位
  吉林农业大学; 长春财经学院