改进YOLOv5算法的多类苹果叶片病害检测

来源：中国农机化学报杂志2024年第12期北京时间：

作者：李昱达, 吴正平, 孙水发, 林淼, 伍箴燎, 沈虹杜

单位：(1. 三峡大学电气与新能源学院，湖北宜昌，443002； 2. 杭州师范大学信息科学与技术学院，杭州市，311121； 3. 山东财经大学工商管理学院，济南市，250000)

摘要：针对多类苹果叶片病害准确率差异大、检测精度不高的问题，提出一种改进YOLOv5准确判别苹果叶片病害的检测算法(YOLOv5-CSEP)。首先，引入C3Ghost模块替换原YOLOv5主干网络C3模块，减少模型的参数量与计算量；其次，将混合注意力模块C-SAM加入主干网络中，提高主干网络的特征提取能力，在颈部网络中加入CA注意力模块，抑制复杂背景干扰关注目标信息；最后，引入增强型路径聚合网络(E-PANet)充分融合多尺度特征，提升网络对多类苹果叶片病害检测的准确性与鲁棒性。试验表明，改进后算法的各项性能指标均有提升，精确率达到93.2%，平均精度均值mAP@0.5达到87.9%，与原YOLOv5算法相比分别提高3.4%与1.7%，计算量减少11%。

关键词：苹果叶片,病害检测,注意力机制,增强路径聚合网络,YOLOv5

基金资助：国家自然科学基金资助项目(61871258)