基于改进YOLOv5s的实际环境下草莓叶病害检测方法#br#

来源：中国农机化学报杂志2026年第5期北京时间：

作者：彭云锋, 何跃龙, 朱峰江, 杨长才, 邹腾跃

单位：(1. 福建农林大学机电工程学院，福州市，350002； 2. 福建农林大学福建省农业信息传感技术重点实验室，福州市，350002； 3. 福建农林大学计算机与信息科学学院，福州市，350002)

摘要：为应对草莓叶病害目标检测中存在复杂背景干扰、小目标检测困难、识别率低等问题，提出一种基于改进的YOLOv5s目标检测算法S—YOLOv5。首先，为增强模型的多尺度上下文信息的获取能力，设计C3—DWR模块，用DWR模块代替传统C3模块中的Bottleneck模块，从而减少复杂背景的干扰；其次，在主干部分引入Triplet Attention注意力机制，显著提升对草莓叶病害特征的提取能力，提升模型的小目标检测能力；最后，在颈部中添加ASF模块，使得模型更好地融合不同尺寸的特征图，进一步提升模型对草莓叶病害的识别能力。结果表明，改进YOLOv5s的mAP@0.5∶0.95和mAP@0.5分别达到68.8%和88.2%，相比于最新的YOLOv10与原始YOLOv5s分别高出7.2%、4%和4.7%、2.9%。优化之后的模型各项指标都优于YOLOv10与原始YOLOv5s，表明其在实际应用中具有较大的潜力，能够为草莓病害的精准识别提供有效的技术支持。

关键词：草莓病害,深度学习,目标检测,精准识别

基金资助：福建省自然科学基金(2023J01470，2019J01402)