基于YOLOv5改进的咖啡叶片病虫害检测研究 |
| |
引用本文: | 贺壹婷,蔺瑶,曾晏林,费加杰,黎强,杨毅.基于YOLOv5改进的咖啡叶片病虫害检测研究[J].安徽农业科学,2023(13):221-226. |
| |
作者姓名: | 贺壹婷 蔺瑶 曾晏林 费加杰 黎强 杨毅 |
| |
作者单位: | 云南农业大学大数据学院 |
| |
摘 要: | 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。
|
关 键 词: | 咖啡病虫害 YOLOv5 ECA注意力机制 ConvNext网络 改进YOLO |
|
|