YOLOv5s-CBAM算法在福寿螺虫卵识别中的应用分析

来源：中国农机化学报杂志2024年第6期北京时间：

作者：黄尧, 何敬, 付饶, 刘刚, , 林远杨

单位：（1. 成都理工大学地球科学学院，成都市，610059； 2. 地质灾害防治与地质环境保护国家重点实验室（成都理工大学），成都市，610059）

摘要：福寿螺是我国重点关注的入侵物种，对农作物生长和生态环境会造成不利影响。及时获取福寿螺虫卵的分布信息，对于提前防治其入侵能起到有效的帮助作用。基于YOLOv5s基础网络模型，引入CBAM（Convolutional Block Attention Module）注意力机制模块，以提高在复杂的自然环境下对福寿螺虫卵特征信息的提取，提出YOLOv5sCBAM模型进行福寿螺虫卵识别方法。试验结果表明，引入CBAM的识别效果要好于引入CA和SE注意力模块。同时，引入CBAM的YOLOv5sCBAM模型，识别效果优于原基础YOLOv5s模型，一定程度上能够克服倒影、植物遮挡等因素干扰。且平均精度均值达到83.8%，相比原模型提升2.5个百分点。基于深度学习的方法对复杂自然环境中的福寿螺虫卵进行识别是切实可行的，为福寿螺等入侵物种的监测防控提供新的思路。

关键词：深度学习,YOLOv5s算法,注意力机制,福寿螺虫卵,图像识别

基金资助：成都市技术创新研发项目（2022—YF05—01090—SN0）；地质灾害防治与地质环境保护国家重点实验室项目（SKLGP2018Z010）；四川省科技计划项目（2021YFG0365）；四川省自然资源厅科研项目（kj—2021—3）