基于注意力机制改进YOLOv5的茶叶病害检测方法

摘要

针对茶叶病害在复杂自然环境下识别精度受限的问题，提出了一种融合SE注意力机制的改进YOLOv5目标检测方法YOLOv5-SE.该方法在YOLOv5网络主干中引入SE注意力模块，增强特征通道的自适应加权能力，抑制冗余信息对检测精度的影响.同时，引入小目标检测头，提升对小尺度病害的检测效果，增强模型在高分辨率特征图上的检测能力.在包含8种茶叶病害及健康叶片的数据集上进行实验验证，结果表明，YOLOv5-SE的检测精度达到93.2%，召回率达到95.0%，较改进前模型精度提高4.5个百分点，召回率提高3.8个百分点.进一步的消融实验表明，SE注意力机制能够在优化特征提取能力的同时，有效提升模型对复杂背景下茶叶病害的检测鲁棒性，减少误检与漏检的发生.

关键词

目标检测 / 注意力机制 / YOLOv5 / 茶叶病害