|
|||||
|
|
| 基于改进YOLOv5s模型的柑橘病虫害识别方法 | |
| 作者姓名： | 郑宇达 陈仁凡 杨长才 邹腾跃 |
| 作者单位： | 1.福建农林大学机电工程学院,福州 350002;2.福建农林大学计算机与信息学院,福州 350002 |
| 基金项目： | 福建省自然科学基金项目（2019J01402） |
| 摘 要： |  针对现有检测模型不能满足在自然环境中准确识别多种类柑橘病虫害的问题,提出一种基于改进YOLOv5s模型的常见柑橘病虫害检测方法.改进模型引入ConvNeXtV2模型,构建一个CXV2模块替换YO-LOv5s的C3模块,增强提取特征的多样性;添加了动态检测头DYHEAD,提高模型对不同空间尺度、不同任务目标的处理能力;采用CARAFE上采样模块,提高特征提取效率.结果显示,改进后的YOLOv5s-CDC的召回率和平均精度均值分别为81.6%、87.3%,比原模型分别提高了4.  9、3.4百分点.与其他YOLO系列模型在多个场景下的检测对比,具有更高的准确率和较强的鲁棒性.结果表明,该方法可用于自然复杂环境下的柑橘病虫害的检测.  |
| 关 键 词： | 深度学习 病虫害 YOLOv5s 目标检测 |
| 收稿时间： | 2023-08-24 |
| 本文献已被 万方数据 等数据库收录！ | |
| 点击此处可从《华中农业大学学报》浏览原始摘要信息 | |
| 点击此处可从《华中农业大学学报》下载全文 | |