基于改进YOLOv5s的三七病害识别

魏科; 周平

doi:10.3969/j.issn.1672-8513.2025.01.012

云南民族大学学报(自然科学版) ›› 2025, Vol. 34 ›› Issue (01) : 93 -99. DOI: 10.3969/j.issn.1672-8513.2025.01.012

信息与计算机科学

基于改进YOLOv5s的三七病害识别

魏科 ¹ ,
周平 ²

作者信息 +

Panax notoginseng disease identification based on improved YOLOv5s

Ke WEI ¹ ,
Ping ZHOU ²

Author information +

文章历史 +

PDF (2045K)

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.