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.
基金项目
云南省重大科技专项(202002AE09001002)
国家科技期刊平台
NSTL
维普
万方数据