基于改进YOLOv5的草莓病害识别

为提高草莓的总产量，合理监控和防治草莓病害是有效的手段，提出一种基于改进YOLOv5的草莓病害识别算法。该检测算法以CSPDarknet作为主干特征提取网络，能够有效提高模型的性能和训练效率，并使用EIOU Loss损失函数与K-means聚类算法，来提高模型的收敛速度。同时，在模型中增加CBAM注意力机制来提高检测精度，最终构建基于改进YOLOv5的CBAM-YOLOv5l算法。试验结果表明，改进后的模型较之原始模型，在检测精度上有所提升且依然能保证高效的检测速度。另外，经过训练的CBAM-YOLOv5l目标检测算法在验证集下的总体平均精度达到96.52%,平均检测时间为27.52 ms,对比YOLOv4、YOLOv4-Tiny、Faster＿R-CNN等目标检测算法，该检测算法在精度上具有更大的优势，在实际的草莓果园环境中具有良好的鲁棒性与实时性，可以满足草莓病害识别精度的需求，能够可靠地提示草莓健康状态，从而及时地实现精准施药等保护措施。