基于改进YOLO v5的水稻害虫识别方法
来源：江苏农业科学杂志2025年第第5期北京时间：
作者：何泽珅;黄操军;许善祥;袁鑫宇;高学文;赵清
单位：黑龙江八一农垦大学信息与电气工程学院，黑龙江大庆 163319
摘要：在水稻生长过程中，及时识别害虫种类在虫情监测环节至关重要。由于害虫种类繁多，人工识别效率低且主观性强，传统的水稻害虫识别模型易受环境因素影响，因此提高水稻害虫识别的准确性是亟待解决的问题。以水稻试验田中获取的害虫图像为对象，提出了一种基于MSRCP算法的图像增强和改进YOLO v5网络的水稻害虫识别模型。在图像预处理部分，采用MSRCP算法和双边滤波算法来增强因光照不均而受到影响的害虫图像。在改进YOLO v5网络部分，在骨干网络中引入了SE注意力机制，增强模型对害虫特征的理解能力，从而提升模型对各个通道害虫特征的辨别能力；引入α-IoU损失函数优化检测边界框，提高模型精度；并采用迁移学习策略训练模型，提升模型的学习效率和鲁棒性。通过消融试验可知，改进后的模型在水稻害虫图像识别上的精确率为9517%，召回率为86.34%，平均精度均值为91.30%，较原YOLO v5模型分别提高了6.09、5.04、7.10百分点。与其他模型相比，改进后的模型平均精度均值较Faster R-CNN、原YOLO v5模型、YOLO v7分别提高了21.45、7.10、3.06百分点。改进算法明显优于其他算法，能更好地适应水稻害虫的特殊形态和农田复杂环境，对水稻害虫的防控具有重要意义。
关键词：农田复杂环境;YOLO v5模型;害虫种类识别;害虫防治;深度学习
