基于优化YOLOv5算法的玉米苗间杂草检测研究

来源：中国农机化学报杂志2025年第7期北京时间：

作者：张天宇, 韩静, 廖洪晖, 曲欣锐

单位：（黑龙江八一农垦大学工程学院，黑龙江大庆，163319）

摘要：针对玉米苗间杂草种类繁多、检测复杂度高、检测速度慢的问题，设计一种基于优化YOLOv5算法的玉米苗间杂草检测方法。在YOLOv5主干网络的卷积层中引入SE无参数注意力模块，构建融入SE模块的C3替换原本的C3模块，更好地聚焦在检测目标上。同时，将BoTNet模块替换传统的残差神经网络，在ResNet的最后3个bottleneck blocks中使用全局多头自注意替换3×3空间卷积，从而提高对小目标检测的准确性。使用改进的目标检测算法检测杂草，将田间中非玉米苗的区域标记为杂草，利用超绿特征结合OTSU阈值分割算法，分割土壤背景，找出杂草的前景区域，从而有效解决玉米苗田中的杂草检测问题。结果表明，改进后的YOLOv5算法在玉米苗的目标检测上精确率达97.5%，较原始的YOLOv5算法提高7.4%，检测速度达40ms，从而提高检测精度和模型的鲁棒性，满足实时检测的需求。

关键词：玉米苗间杂草检测,YOLOv5,注意力模块,BoTNet模块,超绿特征,OTSU阈值分割

基金资助：黑龙江省“揭榜挂帅”科技攻关项目（2023ZXJ07B02）；黑龙江八一农垦大学学成、引进人才科研启动计划项目（XDB202101）