基于改进YOLOv5s的番茄叶片病虫害识别方法

摘要

针对自然环境下背景复杂的番茄病虫害问题，为了进一步提高病虫害番茄叶片识别准确率，构建了番茄叶片病虫害图像数据集，并提出一种基于改进YOLOv5s的番茄叶片病虫害识别方法。该方法以YOLOv5s为基础模型，首先在颈部网络层中引入Ghost卷积，减小模型计算量；然后在主干特征提取网络中引入可变形卷积DCNv2，增强模型对尺度变形大的目标的精准定位能力；最后采用自注意力检测头（DyHead），提升网络在复杂环境中对目标特征信息的提取和整合能力。实验结果表明，该方法与未改进的YOLOv5s、 YOLOv7、 YOLOv7-tiny、 YOLOv8n网络相比，识别准确率分别提高了2.6%、 1.2%、14.4%、5.7%。所提方法为番茄叶片病虫害的精准识别提供了一种有效的技术支持。

关键词

病虫害识别 / 深度学习 / 可变形卷积 / 注意力