摘要
对草莓病害进行有效检测是草莓病害靶向喷药技术发展的关键。针对传统草莓病害检测方法存在检测效果差、误检率漏检率高的问题,提出一种基于改进YOLO v5s的YOLO-Strawberry草莓病害检测模型。首先,针对YOLO v5s骨干网络浅层的感受野较小、缺乏语义信息以及深层由于层数的叠加容易造成小目标位置信息丢失的问题,在颈部结构中使用RepCGFPN结构替换原始FPN结构,加强模型对于高级语义信息以及低级位置信息的融合能力,提高模型在真实环境中的抗干扰能力;其次,在检测层中增加160×160尺寸小目标检测头,提升模型对小目标的检测能力;最后,针对草莓病害特性形状差异导致IoU差异较大且大量背景样本影响模型收敛速度的问题,提出Focal-Shape_IoU损失函数,在提高模型对小目标检测准确性的同时降低了模型的训练时间。试验结果表明,改进后的网络模型准确率、召回率、平均精度均值分别为83.4%、77.3%、81.8%,分别较未改进模型分别提高了3.5、3.6、6.3百分点。与目前主流算法Faster-RCNN、YOLO v8s、YOLO v10s、YOLO v11s对比,平均精度均值分别提升10.4、1.8、7.3、0.7百分点。对比YOLO v9-c,平均精度均值略低2.5百分点,但计算量仅为YOLO v9-c的7.2%。鲁棒性试验表明改进后的模型,可以在不同干扰情况下,平均精度均值达到81.2%。部署试验结果表明,在Jetson Orin Nano中平均帧率达到14.5 FPS,平均精度达到81.0%。证明改进后的模型可以对草莓病害进行有效检测。
出处
《江苏农业科学》
北大核心
2025年第20期272-279,共8页
Jiangsu Agricultural Sciences
基金
陕西省重点研发计划(编号:2023-YBGY-277)
陕西省技术创新引导专项(编号:2023GXLH-071)
咸阳市重点研发计划(编号:L2022ZDYFSF047)。
