基于YOLOv5改进算法的中小目标混合害虫检测研究

摘要

针对农作物中的中小目标害虫混合以及小目标害虫密集情况下，小目标害虫检测效果不理想的问题，提升中小目标害虫检测的准确性，提出了一种改进的YOLOv5算法。在特征提取网络中，加入可切换的空洞卷积模块，在不增加参数量的情况下解决虫长宽比不一致的问题。使用基于注意力机制的动态解耦检测头（Dynamic Decouple Head,DDH），增强网络对小目标的感知能力和检测不同大小目标的能力。加入P2检测层，移除P5检测层，更好地检测出小目标害虫。实验结果表明，改进后的YOLOv5模型在Agripest数据集中的油菜数据集上平均精度均值mAP0.5为78.6%，优于原YOLOv5n模型的75.4%。与YOLOv5n模型相对比，改进后的YOLOv5模型将小目标数据的mAP0.5提升了9.3%，有效地改善了农作物中小目标混合害虫里小目标害虫难检测和易漏检的问题。

关键词

YOLOv5 / 小目标检测 / 动态解耦检测头 / 注意力机制