基于改进Yolov5植物病害检测算法研究

摘要：

苹果和番茄是日常生活非常常见的果蔬,准确地识别病害能够提升作物产量,减少经济损失.针对现有的植物病害检测方法不能准确且快速地检测植物叶片中病害区域的问题,设计一种基于改进Yolov5的深度学习方法,用于检测苹果、番茄叶片常见病害.通过数据增强和图像标注技术构建苹果、番茄叶片病害数据集,利用K-means算法对初始锚框进行调整,在此基础上使用复合主干网增强Yolov5主干网对病害特征的提取能力,使用Varifocal Loss函数提高对密集感染区域的识别精度.试验结果表明:改进后的Yolov5病害检测算法mAP达到95.7％,在原来Yolov5模型基础上mAP提升1.7％,平均检测一张图像耗时0.033 s,为苹果、番茄叶片病害检测提供一种高性能的解决方案,能够以较高的准确率对植物叶片病害进行分类与定位.

关键词：植物病害检测、Yolov5、深度学习、复合主干网、Varifocal Loss

所属期刊栏目：44

分类号：TP391.41(计算技术、计算机技术)

资助基金：江西省自然科学基金;国家自然科学基金

在线出版日期：2023-03-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：108-115