基于YOLO v5模型的缺钙草莓叶片识别方法

来源：江苏农业科学杂志2024年第第20期北京时间：

作者：李炳鑫; 宋涛; 高婕; 李冬; 高鹏; 李仁杰; 赵德傲

单位：河北工业大学电子信息工程学院，天津 300401

摘要：针对缺钙草莓叶片病害特征较小、病害尺度特征变换较大、传统的卷积神经网络模型对小目标的检测效果不佳等问题，提出一种基于YOLO v5模型的缺钙草莓叶片识别方法。该方法首先以YOLO v5模型为基础从其Backbone、Neck、损失函数等方面进行优化，提高其对缺钙草莓叶片病害特征的检测能力，并将优化后的网络模型命名为YOLO v5-Smix，再采用多种数据增强手段对已有数据集进行扩充，以保障后续卷积神经网络模型的训练。该方法将原有Backbone骨骼中的CSPDarknet53主干网络替换为以C2F模块为核心的Darknet-53网络，保留缺钙草莓叶片的小目标特征；在Neck特征融合层添加BiFPN结构，有效解决缺钙草莓叶片图像尺度特征变换较大的问题，同时增强网络多尺度特征融合能力；更换原本的损失函数CIoU为WIoU，进一步提高模型的检测效率及检测能力。依据模型评价指标，通过试验将YOLO v5-Smix网络与经典的Faster-RCNN、YOLO v3、YOLO v4、YOLO v5等4种卷积神经网络进行对比。结果表明，YOLO v5-Smix的识别精确度达89.1%，召回率达81.0%，平均精确度达78.8%，与Faster RCNN、YOLO v3、YOLO v4、YOLO v5相比，识别精确度均有提高，能够较精确地识别缺钙草莓叶片病害特征，完成小目标病害特征的检测任务。

关键词：YOLO v5;小目标;目标检测;轻量化模型;缺钙;草莓