农业机械学报

作者：王泰华，郭亚州，张家乐，张晨阳

单位：河南理工大学,河南理工大学,河南理工大学,河南理工大学,

关键词：水稻;害虫识别;CBAM;Slim-neck;YOLO v5s

基金：国家自然科学基金项目（61903126）和河南省科技攻关项目（212102210503）

水稻害虫识别时，受稻田环境影响易出现目标被遮挡、与背景颜色相似、多目标相邻等问题导致识别精度降低。为此本文提出了一种基于改进YOLO v5s的水稻害虫识别模型YOLO v5s-Coordslimneck，通过替换主干网络中的普通卷积为CoordConv，增强了模型对目标位置信息的获取能力；引入CBAM注意力机制，提升了模型对目标区域的关注度；采用Slim-neck减少了计算量并增强了特征处理能力；引入Soft-NMS算法优化相邻目标边框筛选，减少漏检。实验结果表明，改进后的YOLO v5s模型在水稻害虫数据集上的平均精度均值达到94.3%，相比原模型提升3.8个百分点，比其他主流模型YOLO v3、YOLO R-CSP、YOLO v7、YOLO v8s提升1.5、12.7、13.6、1.9个百分点。消融实验进一步验证了改进模型中各个组件的有效性。热力图分析也体现了改进模型能够更好地学习害虫特征。综上，本文提出的改进YOLO v5s模型在提高水稻害虫检测精度方面取得了显著成效，为防控水稻虫害提供了一种精确的识别方法。

来源：2024年第11期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第11期