基于改进SPP-x的YOLOv5神经网络水稻叶片病害识别检测

来源：中国农机化学报杂志2023年第9期北京时间：

作者：杨波, 何金平, 张立娜

单位：1. 长春财经学院信息工程学院，长春市，130122； 2. 吉林农业大学信息技术学院，长春市，130118

摘要：针对YOLOv5模型在水稻病害叶片检测计算复杂度高，计算速度慢的问题，提出一种基于改进SPP-x的YOLOv5模型水稻病害叶片识别检测方法。首先，将原主干网中SPP模块中3个不同尺寸（5×5、9×9、13×13）的MaxPool层替换为3个尺寸相同的5×5 MaxPool层连接，后面通过1×1卷积层来调整输出特征维数，再将YOLOv5网络中优化器替换为Adam，从而构建新的YOLOv5网络结构。通过试验比较SGD和Adam优化器在训练集上的收敛速度，结果表明：改进后的SPP-x模块在运算时间上仅是原SPP的50%，计算精度值达到97%，mAP_0.5和mAP_0.5:0.95两项指标分别收敛于0.983和0.822。试验发现改进SPP-x的YOLOv5模型单张图像检测速度0.34s，效果良好，能够有效地辅助水稻病害识别。

关键词：水稻叶片病害,卷积神经网络,YOLOv5,ResNet,优化器

基金资助：吉林省科技发展计划重点研发项目(20210203211SF)