YOLO-SA:基于改进YOLOv5s的无人机视角下水稻田慈姑类杂草的检测方法

摘要

为在无人机视角下提高对水稻田慈姑类杂草的检测精度以及增强其检测的实时性,提出一种基于改进YOLOv5s的无人机视角下水稻田慈姑类杂草的检测方法——YOLO-SA.该方法首先通过优化特征提取网络,设计了浅层卷积小目标检测层,以减少微小杂草目标的特征信息丢失;其次将特征融合网络改进为加权双向金字塔结构,通过学习权重提高跨尺度特征融合效率;最后在主干网络添加Bifomer注意力机制,以实现对稀疏分布杂草区域的精准聚焦.实验结果显示:YOLO-SA的精度、召回率、mAP0.5:0.95(检测精度均值)分别为99.1%、93.9%、79.0%,检测速度为82 f/s,且综合性能显著优于YOLOv8s、Faster R-CNN等主流模型.表明YOLO-SA能够有效提高对水稻田慈姑类杂草的检测精度和检测的实时性,可为水稻田的精细化管理提供技术支持.

关键词

无人机 / 慈姑类杂草 / 小目标检测 / YOLOv5s / 特征融合 / 注意力机制