基于YOLO v5s改进的茶树叶片病虫害检测

来源：江苏农业科学杂志2025年第第16期北京时间：

作者：白荻;马宇晨;陈志超

单位：1.南京农业大学信息管理学院，江苏南京 210031； 2.南京邮电大学计算机学院、软件学院、网络空间安全学院，江苏南京 210023； 3.南京林业大学信息科学技术学院，江苏南京 210037

摘要：为提高对小尺寸或密集茶树叶片病虫害的识别能力，为茶树叶片病虫害精准防控提供技术支持，提出一种基于YOLO v5s改进的检测方法。通过添加EMA注意力机制、替换上采样算子为DySample模块以及使用MPDIoU损失函数，有效提升模型对小尺寸或密集病害的识别能力。消融试验结果表明，EMA注意力机制、DySample上采样算子和MPDIoU损失函数均有效提升了模型性能，平均精度均值分别提升了1.5、2.8、3.3百分点。模型对比试验结果表明，改进后的YOLO v5s模型在整体平均精度均值上高出其他版本YOLO模型3.3百分点，并在叶枯病检测方面表现出显著优势。模型识别效果对比表明，改进后的模型能够检测出原始模型未能识别的小尺寸或密集病害，识别效果更准确。说明本研究提出的基于YOLO v5s改进的茶树叶片病虫害检测方法有效提升了模型对小尺寸或密集病害的识别能力，为茶树叶片病虫害的精准防控提供了新的技术手段。

关键词：茶树;叶片病虫害;检测;YOLO v5s;注意力机制