基于改进Yolov5s的水稻叶病检测方法

水稻叶病防治在提高水稻产量中具有重要作用，针对水稻叶病人工检查速度慢、主观性高的问题，提出一种基于改进Yolov5s的水稻叶病目标检测方法。采用K-means聚类算法得到先验框尺寸，增强检测模型对水稻叶病的适应性；将轻量级空间注意力与通道注意力融合，对高层语义特征信息增强，增强模型对病害信息的感知度；并结合特征金字塔网络，融合多尺度感受野获取目标上下文信息，有效地增强模型对目标周围特征的提取，提高目标检测的准确度。试验结果表明：改进后的Yolov5s算法平均检测精度(IOU=0.5)提高4.3%,F1值提高5.3%,帧率FPS为58.7 f/s。有效提升Yolov5s算法对水稻叶病的检测精度，达到实时检测的需求。