改进YOLOv5的叶片黑斑病检测算法研究

作者：郝佳杰; 方赛银; 肖洒; 李明^*

来源：南方农机, 2022, 53(16): 1-4.

• 叶片黑斑病
• YOLOv5算法
• 卷积神经网络
• 小尺度检测层
• 注意力机制
• 非极大抑制函数

针对传统的YOLOv5算法对叶片中小尺度及密集黑斑病辨识精度不高的问题，提出一种用于黑斑病检测的改进YOLOv5算法。首先，增加小尺度检测层，提升网络对小尺度目标的辨识能力，以此来增加对小尺度叶片黑斑病的检测正确率；其次，加入注意力机制，提升网络的特征提取能力，从而提升对叶片黑斑病的检测正确率；最后，将YOLOv5算法的非极大值抑制(Non-Maximum Suppression,NMS)改为DIoU＿NMS，提升网络对重叠目标的检测效果，以便对叶片中密集的黑斑病进行识别。实验结果表明：相比于传统的YOLOv5方法，改进后的YOLOv5算法的精准率(Precision,P)和召回率(Recall,R)分别由86.4%、77.8%提升至93.5%、80.0%，平均精度均值(mean Average Precision,mAP)也由85.1%提升到88.7%。

• 出版日期2022
• 单位安徽工程大学; 西南林业大学