基于改进YOLOv5s的大豆冠层叶片识别方法研究

来源：中国农机化学报杂志2025年第5期北京时间：

作者：李思进, , 李金阳, , 张伟,

单位：1. 黑龙江八一农垦大学信息与电气工程学院，黑龙江大庆，163319； 2. 农业农村部大豆机械化生产重点实验室，黑龙江大庆，163319； 3. 黑龙江八一农垦大学工程学院，黑龙江大庆，163319

摘要：为开发自走式大豆表型信息采集平台，实现自动化叶片识别与表型参数获取，解决人工干预问题，提出一种基于改进YOLOv5s的大豆冠层叶片识别方法。在骨干网络特征提取层中引入通道空间融合注意力机制（CBAM），提高对小叶片的识别效果。将网络中的空间金字塔池化结构（SPPF）替换为空洞空间卷积池化金字塔结构（ASPP），加强局部信息检测，引入SIoU损失函数，提高复杂背景下叶片的定位能力。利用检测框的坐标信息对单个叶片进行分割进而获取叶长、叶宽、叶面积。试验结果表明：相比于原模型，改进后模型的平均精度均值mAP、精确率、召回率分别提高5.4%、3.3%、4.6%；叶长、叶宽、叶面积平均绝对误差分别为0.98cm、0.56cm、6.20cm2。

关键词：大豆冠层,深度学习,改进YOLOv5s,叶片识别,目标检测

基金资助：国家大豆产业技术体系（CARS—04—PS30）