-
题名基于改进YOLOv5的柑橘病虫害检测
被引量：4
- 1
-
-
作者
李吴洁
危疆树
王玉超
陈金荣
罗好
-
机构
四川农业大学信息工程学院
四川农业大学机电学院
-
出处
《南京农业大学学报》
CAS
CSCD
北大核心
2024年第5期1000-1008,共9页
-
基金
四川省科技厅关键技术攻关项目“基于机器视觉的智能喷施关键技术的研究及应用”(22ZDYF0095)。
-
文摘
[目的]柑橘叶片受到病菌感染或虫害侵袭后,导致柑橘树生长发育异常、产量减少甚至死亡。早期柑橘叶片病虫害检测有助于做好预防措施减少损失。[方法]实际检测过程中YOLOv5s模型存在定位不精确、背景复杂等问题,受VAN(visual attention network)模型的启发,引入LKA(large kernel attention)模块,对YOLOv5s模型进行改进。改进的YOLOv5s模型可实现对图像信息的集中关注和精细抽取;使用CARAFE轻量级算子替换常规的上采样方法,能够提高特征重建质量,解决尺度不匹配问题并提高检测性能;使用FReLU激活函数,能够捕捉更多的柑橘病虫害的关键特征,提高检测准确度。此外,还构建了一个包含炭疽病、溃疡病和受潜叶蝇病虫侵害的柑橘叶片数据集,采用该数据集进行试验。[结果]改进后的模型YOLOv5-LC对于柑橘病虫害的检测结果显示:平均检测精度mAP50达到94.5%,mAP50:95为84.3%,较原模型分别提高了2.0%和4.4%,模型大小仅为7.3 MB。准确率为93.8%,召回率84.5%,浮点运算次数仅为18.5 G。[结论]改进后的YOLOv5-LC模型可以更加准确检测出柑橘病虫害。
-
关键词
柑橘
病害
虫害
目标检测
YOLOv5
large
kernel
Attention
CARAFE
FReLU
-
Keywords
citrus
diseases
pests
target detection
YOLOv5
large kernel Attention
CARAFE
FReLU
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
