基于YOLOv5改进的咖啡叶片病虫害检测研究

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
万方数据
维普

中文摘要：为准确识别自然条件下的咖啡叶片病虫害,提出一种基于YOLOv5改进的目标检测算法.该方法通过在主干网络融入ConvNext网络和ECA注意力机制来优化相关网络模型,提高了网络特征提取能力,更好解决了鲁棒性差和对遮挡目标与小目标的漏检问题.结果表明,该方法的检测精度均值(mAP)达到了94.13%,检测速度和精度都具有良好效果,同时模型大小只有17.2 MB,可以满足边缘设备的运行条件.因此,改进后的YOLOv5算法可为自然环境下咖啡叶片病虫害识别提供技术支撑,满足实时目标检测的实际应用需求.

外文标题：Improved Detection of Coffee Leaf Diseases and Insect Pests Based on YOLOv5

外文关键词：

Coffee pests and diseasesYOLOv5ECA attention mechanismConvNext networkImproving YOLO

作者：

贺壹婷、蔺瑶、曾晏林、费加杰、黎强、杨毅

展开 >

作者单位：

云南农业大学大数据学院,云南昆明 650201

关键词：

咖啡病虫害 YOLOv5 ECA注意力机制 ConvNext网络改进YOLO

基金：

云南省重大科技专项

项目编号：

202002AE09001002

出版年：

2023

DOI：

10.3969/j.issn.0517-6611.2023.13.049

安徽农业科学

安徽省农业科学院

安徽农业科学

影响因子：0.413

ISSN：0517-6611

年,卷(期)：2023.51(13)

参考文献量19