基于改进YOLOv5s的日光温室黄瓜霜霉病孢子囊检测计数方法

针对温室孢子捕捉设备所采集图像中孢子囊分布密集、粘连堆叠和背景复杂的特点，提出一种基于改进YOLOv5s的黄瓜霜霉病孢子囊检测算法。首先，使用带CBAM(Convolutional Block Attention Module)注意力机制的Ghost卷积替代原始网络中的CSP(Cross Stage Partial)模块，抑制背景中的杂质，在保证产生丰富特征图的同时，降低模型的参数量，提升计算速度。其次，修改特征融合网络的连接方式，删除原来负责大物体检测的分支并加入一个更细粒度的分支，以加强对小目标和密集、堆叠目标的检测。最后，对不同预测头产生的损失值赋予不同的权重，并用考虑中心点距离的DIOU＿NMS非极大值抑制方法代替原来的NMS方法。改进后的YOLOv5s算法的平均准确率和FPS分别为91.18%和65.4帧/s,比原始的YOLOv5s算法高4.88%和7.1帧/s。该研究可为监测黄瓜霜霉病的发生和发展提供数据支撑，对于保障黄瓜的产量和质量具有重要意义。