基于改进YOLOv5s的三七病害识别

Panax notoginseng disease identification based on improved YOLOv5s

摘要

为快速、准确识别田间环境下的三七叶片病害，提出1种基于改进YOLOv5s算法的三七叶片病害识别方法.以三七的六种典型病害圆斑病、灰霉病、黄锈病、白粉病、炭疽病和病毒病为对象，通过引入SE-Attention（spatial excitation attention）注意力机制，增强了YOLOv5s模型对病害部位关键信息的捕捉能力，提高模型对不同通道特征信息的敏感性.此外，模型采用加权双向特征金字塔网络（bidirectional feature pyramid network,BiFPN），提升特征融合的有效性，实现高层次的特征表达，从而提高模型的泛化能力.试验结果表明，改进后的YOLOv5s模型准确率和召回率分别为86.8%和85.3%,mAP_0.5和mAP_0.5:0.95分别为87.4%和76.4%，相较于原始YOLOv5s模型，准确率、召回率、mAP_0.5和mAP_0.5:0.95分别提升10.4、13.0、11.0和18.6个百分点，最后通过对比不同深度学习目标检测模型对三七病害进行检测，结果表明本试验所提出的算法可以在保证精度与速度的前提下，实现田间三七病害的智能化检测，为实际应用场景下三七病害自动检测提供理论依据.

关键词

三七病害检测 / YOLOv5s / 注意力机制 / BiFPN

Key words

Panax notoginseng disease detection / YOLOv5s / attention mechanism / BiFPN