基于改进YOLOv5的草莓病害识别 |
| |
引用本文: | 邱畅,田光兆,赵嘉威,谢尚杰,郑奎.基于改进YOLOv5的草莓病害识别[J].中国农机化学报,2024(3):198-204. |
| |
作者姓名: | 邱畅 田光兆 赵嘉威 谢尚杰 郑奎 |
| |
作者单位: | 1. 南京农业大学人工智能学院;2. 南京农业大学工学院 |
| |
基金项目: | 国家自然科学基金资助项目(31401291); |
| |
摘 要: | 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。
|
关 键 词: | 草莓 YOLOv5 机器视觉 深度学习 病害识别 |
|
|