基于改进YOLOv5s的香菇菌棒污染识别方法

来源：中国农机化学报杂志2025年第2期北京时间：

作者：吴秋兰, 陈雪飞, 陈超, 张峰, 王姝妹, 赵恒

摘要：为提高香菇菌棒污染识别的准确性和效率，提出一种改进YOLOv5s的香菇菌棒污染识别模型(YOLOv5s—CGGS)。首先，在YOLOv5s的特征提取网络引入CA(Coordinate Attention)注意力机制提高菌棒污染的可识别性和目标定位的准确性。然后，将CIoU损失函数替换为SIoU损失函数，提高模型收敛速度和推理准确性。最后，采用GSConv和GhostConv模块对特征融合网络进行改进优化，提高识别效率。该方法的精确率、召回率、mAP@0.5分别达到97.68%、97.20%、98.01%，相比于YOLOv5s分别提高2.21%、2.79%、1.31%。mAP@0.5比YOLOv4、Ghost—YOLOv4、Mobilenetv3—YOLOv4提高4.42%、4.97%、5.85%，且FPS提高2~3倍。

关键词：香菇菌棒,污染识别,深度学习,注意力机制,损失函数

基金资助：山东省重点研发计划项目(2022CXGC010609)