基于YOLO v5的水稻害虫分类

针对水稻害虫识别过程中存在的检测难度大、模型精度低、计算量大等问题，以稻纵卷叶螟等14类水稻害虫为研究对象，改进了YOLO v5检测算法，引入高效通道注意力机制(efficient channel attention, ECA)与EIoU(efficient-IoU)损失函数，并结合Ghost卷积，提出了一种基于改进的YOLO v5水稻害虫识别方法：(1)通过引入ECA注意力机制实现对水稻害虫识别过程中重要信息的处理，采用跨通道信息交互，保证模型性能和降低复杂度；(2)引入EIoU损失函数代替CIoU(complete-IoU)损失函数，从而降低原有CIoU损失函数存在的回归精度问题；(3)利用Ghost卷积替换CBS模块及C3模块中的标准卷积，实现模型轻量化处理。结果表明，改进后的模型较原始YOLO v5模型精度略微提升，参数量减少，模型体积降低至7.38 MB,较原模型减少了46%,与YOLO v7、Faster-RCNN模型相比，mAP比YOLO v7高1.49百分点，比Faster-RCNN高12.89百分点，且本研究模型体积最小，检测速度满足实时性要求，使水稻害虫检测识别能够...