基于改进YOLOv5的苹果叶病害识别算法

来源：计算机应用与软件杂志2025年第8期北京时间：

作者：刘笑意, 段纳, 徐止政, 丁晨寅

摘要：针对苹果叶图像中病害面积小和背景环境复杂带来苹果叶病害识别精度低的问题，提出一种改进YOLOv5 的苹果叶病害检测方法。该方法利用 K-means 算法重新计算锚框，加快网络收敛速度；引入坐标注意力机制，增强复杂背景中病害的特征表达；通过 BiFPN 特征融合网络，增强网络多尺度特征聚合能力；使用 EIoU 作为 目标框的损失函数，提高回归精度。实验结果表明，改进方法的mAP值相比 YOLOv5 提高了1.4 百分点，并且与不同目标检测算法相比检测精度有明显提高。该识别算法可部署于移动端，为苹果病害的早期防治提供技术指导。

关键词：YOLOv5, 苹果叶病害, 多尺度特征融合, 注意力机制, EIoU