基于改进YOLOv5的柑橘病虫害检测

作     者：李吴洁 危疆树 王玉超 陈金荣 罗好 

作者机构：四川农业大学信息工程学院 四川农业大学机电学院 

出 版 物：《南京农业大学学报》 (Journal of Nanjing Agricultural University)

年 卷 期：2024年

核心收录：

学科分类：09[农学] 0904[农学-植物保护] 090401[农学-植物病理学] 

基　　金：四川省科技厅关键技术攻关项目“基于机器视觉的智能喷施关键技术的研究及应用”（22ZDYF0095） 

主　　题：柑橘病虫害 目标检测 YOLOv5 Large Kernel Attention CARAFE FReLU 

摘      要：[目的]柑橘的叶片受到病菌感染或虫害侵袭后，导致柑橘树生长发育异常、产量减少甚至死亡。柑橘病虫害检测技术研发对于柑橘种植的可持续发展至关重要，早期检测出柑橘叶片的病虫害能够有效做好措施从而减少损失。[方法]本文基于YOLOv5s模型进行改进，因实际检测过程中存在定位不精确、背景复杂等问题，受VAN（Visual Attention Network）模型的启发，引入LKA（Large Kernel Attention）模块，实现对图像信息的集中关注和精细抽取；使用CARAFE轻量级算子替换常规的上采样方法，提高特征重建质量，解决尺度不匹配问题，进而提高检测性能；使用FReLU激活函数，能够捕捉更多的柑橘病虫害的关键特征，从而提升检测准确度。除此以外构建了一个包含炭疽病、溃疡病和受潜叶蝇病虫所侵害的柑橘叶片数据集，采用该数据集进行试验。[结果]结果显示mAP50达到94.5%，mAP50:95为84.3%，较原模型分别提升了2.0%和4.4%，模型大小仅为7.3 MB。准确率为93.8%，召回率84.5%，浮点运算次数仅为18.5 G。[结论]改进后的模型YOLOv5-LC可以更加准确的检测出柑橘病虫害，能够给柑橘病虫害的相关研究提供参考。