基于改进YOLO v5s的叶菜病虫害检测算法研究

来源：江苏农业科学杂志2025年第第5期北京时间：

作者：贺洪江;刘毅祥;王双友

单位：1.河北工程大学信息与电气工程学院，河北邯郸 056000； 2.邯郸学院软件学院，河北邯郸 056005

摘要：叶菜病虫害的早期识别是提高叶菜产量和质量的重要保障，为提高常见叶菜病虫的检测精度，针对实际生产中的复杂环境，以YOLO v5s为基准模型，提出一种改进的FV-YOLO v5s模型。首先，在主干网络中融合CA注意力机制模块与C3特征提取模块，形成了C3CA模块以增强叶菜病虫害的特征提取能力。接着在颈部网络中使用Slim-neck范式设计，高效提取图像中小尺寸目标的特征，增强特征融合的效率。最后用 WIoU损失对原损失函数CIoU进行替换，更快地达到收敛状态并提升模型检测性能。结果表明，新模型的精度、召回率和平均精度均值分别达到了92.2%、91.5%、94.8%。改进后的模型FV-YOLO v5s对比原YOLO v5s模型算法，精度、召回率、平均精度均值分别提高2.7、1.4、1.8百分点，优于现有的识别网络，包括YOLO v7、YOLO v8、Faster R-CNN等模型。FV-YOLO v5s模型适用于现代农业生产环境，有助于快速识别和检测叶菜病虫害，且该研究为智慧农业中的叶菜高品质和高产量提供了依据，从而最大限度地减少经济损失。

关键词：叶菜病虫害;YOLO v5s;CA注意力机制;Slim-neck;WIoU损失函数