基于YOLO v5s改进模型的玉米作物病虫害检测方法

来源：江苏农业科学杂志2023年第第24期北京时间：

作者：施杰;林双双;罗建刚;杨琳琳;张毅杰;顾丽春

单位：云南农业大学机电工程学院，云南昆明 650201

摘要：针对玉米作物病虫害目标检测中由于图像背景复杂、无关因素干扰较多而导致的对病虫害目标检测效果不理想等问题，采用深度学习技术，提出一种基于YOLO v5s改进模型的玉米作物病虫害检测方法。该方法通过引入无参SimAM注意力机制对YOLO v5s模型进行改进，利用该机制能更全面地评估模型特征权重，以增强玉米病虫害的特征，削弱复杂背景和无关信息的干扰，从而提高模型的检测性能。同时，将模型的损失函数由CIOU替换为EIOU，可使病虫害预测框更加接近真实框，以提升模型检测的准确率。通过自建的玉米病虫害数据集对模型进行试验对比，结果表明，YOLO v5s(EIOU+SimAM)改进模型的精确率为94.6%，召回率为83.4%，平均精度均值为90.1%。经比较发现，改进模型比原始模型在上述3个指标方面分别提升了5.4、0.5、1.9百分点，说明YOLO v5s(EIOU+SimAM)模型对玉米病虫害检测具有较强的鲁棒性和泛化性。

关键词：玉米作物病虫害;YOLO v5s改进模型;注意力机制;EIOU;目标检测