基于YOLOv5改进的咖啡叶片病虫害检测研究

为准确识别自然条件下的咖啡叶片病虫害，提出一种基于YOLOv5改进的目标检测算法。该方法通过在主干网络融入ConvNext网络和ECA注意力机制来优化相关网络模型，提高了网络特征提取能力，更好解决了鲁棒性差和对遮挡目标与小目标的漏检问题。结果表明，该方法的检测精度均值(mAP)达到了94.13%,检测速度和精度都具有良好效果，同时模型大小只有17.2 MB,可以满足边缘设备的运行条件。因此，改进后的YOLOv5算法可为自然环境下咖啡叶片病虫害识别提供技术支撑，满足实时目标检测的实际应用需求。