基于改进YOLO v5s的复杂环境下棉叶病虫害识别

来源：江苏农业科学杂志2025年第第5期北京时间：

作者：刘嘉;曾鹏滔;王志胜;撒金海

单位：新疆大学软件学院，新疆乌鲁木齐 830000

摘要：棉叶病虫害是影响棉花产量的关键性因素，为解决传统人工棉叶病虫害识别准确率低的问题，提出一种基于YOLO v5s的改进模型来实现真实环境下的棉叶病虫害精确识别，该模型将YOLO v5模型的原主干网络改进为一种新的纯轻量级卷积网络架构RepViT，它与YOLO v5原有的主干网络CSPNet相比不但参数更少且具有更高的平均精度均值；再使用一种基于MPDIoU的边界框回归损失函数MLPDIoU来减小背景损失在置信损失中的占比，使得模型收敛更快速，模型训练更加充分，提高本模型在复杂背景下的目标检测精度；最后针对棉叶病虫害检测时存在的叶片背景复杂、病虫害叶片与健康叶片高度相似、同一张图像可能出现数种不同病虫害叶片的问题，在SPPF层之前添加ECA注意力机制，使本模型能更好的提取病虫害叶片的特征，减少背景的干扰。通过以上改进，该模型在真实环境下对棉叶病虫害检测的准确率达到了91.4%，均值平均精度达到85.8%，相较于SSD、YOLO v3、YOLO v4、YOLO v5等传统模型，准确率分别提高了6.3、2.7、7.5、3.4百分点，平均均值精度分别提高了4.0、5.2、4.6、4.8百分点，可以有效识别出各种棉叶病虫害，为棉花种植户进行参考。

关键词：目标检测;棉叶病虫害;主干网络;损失函数;注意力机制