摘要
针对自然环境下背景复杂的番茄病虫害问题,为了进一步提高病虫害番茄叶片识别准确率,构建了番茄叶片病虫害图像数据集,并提出一种基于改进YOLOv5s的番茄叶片病虫害识别方法.该方法以YOLOv5s为基础模型,首先在颈部网络层中引入Ghost卷积,减小模型计算量;然后在主干特征提取网络中引入可变形卷积DCNv2,增强模型对尺度变形大的目标的精准定位能力;最后采用自注意力检测头(DyHead),提升网络在复杂环境中对目标特征信息的提取和整合能力.实验结果表明,该方法与未改进的 YOLOv5s、YOLOv7、YOLOv7-tiny、YOLOv8n 网络相比,识别准确率分别提高了 2.6％、1.2％、14.4％、5.7％.所提方法为番茄叶片病虫害的精准识别提供了一种有效的技术支持.
维普
万方数据