基于SSGB—YOLOv5s的轻量级马铃薯疫病检测方法

来源：中国农机化学报杂志2025年第7期北京时间：

作者：傅晓锦, 杜诗琪, 王迪

单位：（上海电机学院，上海市，201306）

摘要：在农作物发生疫病的初期快速且准确地识别疫病植株是减少农作物经济损失的重要环节。在实际生产中，传统图像处理算法难以识别患病的马铃薯叶片。针对YOLOv5s模型参数量大，且其在复杂环境下识别效果差等问题，提出一种集成改进的马铃薯疫病检测识别方法。通过对YOLOv5s更换轻量化网络，降低参数量，利用加权双向特征金字塔网络（BiFPN），增强模型不同特征层的融合能力，并使用GSConv卷积，增加注意力机制模块SimAM，增强YOLO算法对关键信息的提取能力，最后引入SIoU损失函数，提高回归精度。在相同试验条件下，对比YOLOv5s原模型、YOLOv7—tiny、Faster R—CNN等模型，所提方法的精确率、召回率、平均精度均值分别为97.7%、95.9%、95.4%。所提出的算法在提高准确率与平均精度的同时，运算速度达到144.93帧/s，满足对马铃薯疫病检测的要求。

关键词：马铃薯疫病,YOLOv5s,损失函数,SimAM注意力,轻量化网络

基金资助：上海市自然科学基金资助项目（11ZR1413800）