基于改进YOLOv5s模型的实蝇类害虫智能监测

摘要

为提高实蝇类害虫智能监测的识别准确率，解决生产实践中的漏检和误检问题，以3种实蝇为研究对象建立数据集，在YOLOv5s模型的基础上通过改进激活函数和损失函数，引入坐标注意力模块和新的数据增强方法，构建精确的实蝇类害虫智能监测模型，利用该模型对果园中实蝇虫害的发生动态进行监测并与人工识别结果进行对比。结果显示：分别用FReLU函数、GIoU损失函数替换YOLOv5s模型原有的SiLU函数和CIoU损失函数，并引入坐标注意力模块和Mosaic-9数据增强方法后，实蝇类害虫智能监测模型的精确率和召回率分别提高了8.1百分点和11.5百分点；模型的平均精度均值、召回率和F₁分数（精确率和召回率的调和平均值）分别达到97.6%、96.7%和97.0%。在实际果园场景中，该模型能够快速捕捉实蝇种群的数量波动，展现出优于人工识别的监测时效性。表明构建的实蝇类害虫智能监测模型大幅提升了对目标害虫的识别性能，可用于现实场景中实蝇类害虫的智能化监测。

关键词

实蝇 / YOLOv5s模型 / 深度学习 / 智能监测 / 精确率 / 召回率