-
题名基于改进YOLOv5的病变叶片检测
- 1
-
-
作者
郑志强
孙晋吉
蔡书达
叶昊
张宏俊
沙晁毅
-
机构
南京邮电大学现代邮政学院
南京信息工程大学艺术学院
南京邮电大学物联网学院
中国通信服务股份有限公司
-
出处
《河南科技学院学报(自然科学版)》
2025年第2期46-60,共15页
-
基金
国家自然科学基金(61972208,62272239)
国家自然科学基金(青年项目)(62302237)。
-
文摘
目的旨在解决植物叶片病害检测中目标检测技术参数量大、计算复杂度高及病害检测准确率低等问题.方法提出一种改进型轻量级YOLOv5模型.该模型通过集成CBAM(convolutional block attention module)、GhostModule以及BiFPN-Concat模块,降低了特征通道融合的计算复杂度,同时提升了特征提取性能.还创新性地设计了WeightedDetect结构,替代了传统的检测头部,以实现对不同尺度目标的自适应识别.结果与原始YOLOv5模型相比,提出的模型在病害检测准确度上提升了2.7%,同时在参数量上增加了9.5%,而在计算复杂度的指标FLOPs(floating point operations)上降低了10.5%.还在VOC数据集上进行了模型的通用性测试,与YOLOv5相比,准确度提高了3.7%.结论提出的改进型YOLOv5模型不仅提高了植物叶片病害检测的准确性,而且通过优化计算复杂度,提高了模型的实用性和效率.这一改进对于提高农业生产的智能化水平,以及更有效地预防和管理植物病害具有重要意义,并为相关领域的研究提供了新的解决方案.
-
关键词
病变叶片检测
weighteddetect
CBAM
GhostModule
BiFPN
目标检测
-
Keywords
detecting diseased leaves
weighteddetectt
CBAM
GhostModule
BiFPN
target detection
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
