科研之友
微信
新浪微博
Facebook
分享链接
摘要
为提高番茄病害检测的精度，提出了对YOLOv5模型的一种改进算法。采用更加轻量化的主干网络GhostCANet,通过在特征提取网络中增加一层特征层提升对小目标的检测能力，使用多层递归金字塔网络的思想，将特征层进行二次卷积来获得更好的特征，在拥有10类番茄病害的叶片上进行检测实验，与多种基于深度学习的目标检测算法进行对比分析。结果表明：改进后的YOLOv5模型相对于YOLOv3、YOLOv4、YOLOv5、Faster-RCNN模型，拥有更高的平均精度值，达到了0.968,比YOLOv5模型提高了0.014;模型大小为72.4 MB,比YOLOv5模型小17.1 MB。
- 出版日期2023
- 单位黑龙江科技大学
