基于改进YOLOv5的柑橘病虫害检测

摘要

[目的]柑橘叶片受到病菌感染或虫害侵袭后，导致柑橘树生长发育异常、产量减少甚至死亡。早期柑橘叶片病虫害检测有助于做好预防措施减少损失。[方法]实际检测过程中YOLOv5s模型存在定位不精确、背景复杂等问题，受VAN(visual attention network)模型的启发，引入LKA(large kernel attention)模块，对YOLOv5s模型进行改进。改进的YOLOv5s模型可实现对图像信息的集中关注和精细抽取；使用CARAFE轻量级算子替换常规的上采样方法，能够提高特征重建质量，解决尺度不匹配问题并提高检测性能；使用FReLU激活函数，能够捕捉更多的柑橘病虫害的关键特征，提高检测准确度。此外，还构建了一个包含炭疽病、溃疡病和受潜叶蝇病虫侵害的柑橘叶片数据集，采用该数据集进行试验。[结果]改进后的模型YOLOv5-LC对于柑橘病虫害的检测结果显示：平均检测精度mAP50达到94.5%,mAP50:95为84.3%,较原模型分别提高了2.0%和4.4%,模型大小仅为7.3 MB。准确率为93.8%,召回率84.5%,浮点运算次数仅为18.5 G。[结论]改进后的YOLOv5-LC模型可以更加准确检测出柑橘病虫害。

关键词

柑橘 / 病害 / 虫害 / 目标检测 / YOLOv5 / Large Kernel Attention / CARAFE / FReLU

基金资助

四川省科技厅关键技术攻关项目“基于机器视觉的智能喷施关键技术的研究及应用”(22ZDYF0095)