您好，欢迎访问中国农业科学院 机构知识库！

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于改进YOLOv5n模型的农作物病虫害识别方法

文献类型： 中文期刊

作者： 承达瑜 1 ; 赵伟 1 ; 何伟德 1 ; 武择鹏 1 ; 王建东 2 ;

作者机构： 1.河北工程大学矿业与测绘工程学院

2.中国农业科学院农业环境与可持续发展研究所

关键词： 农业病虫害;目标检测;轻量级模型;注意力机制

期刊名称： 江苏农业学报

ISSN： 1000-4440

年卷期： 2024 年 40 卷 011 期

页码： 2021-2031

收录情况： 北大核心 ; CSCD

摘要： 针对模型对复杂场景下农作物病虫害的识别精度低、模型参数量大的问题，本研究对轻量级YOLOv5n模型进行改进。首先，在YOLOv5n模型的骨干网络中加入坐标注意力模块，使模型关注检测目标及其位置，减少复杂背景对模型的影响。其次，引入加权的双向特征融合金字塔网络(BiFPN),减少小目标信息丢失，提高了模型的特征学习能力。最后，用损失函数SIoU代替损失函数CIoU,在不改变模型参数量的情况下，提升了目标检测精度。在无人机采集到的玉米病虫害数据集上，本研究提出的AgriPest-YOLOv5n模型的mAP@0.50达81.32%,在Jetson Xavier开发板上检测速度达到77 FPS,模型大小为1.63 MB。改进后的YOLOv5n模型能够满足轻量化的要求，能够实时、准确地识别复杂背景下的农作物病虫害，本研究结果可为病虫害精准防治提供技术支持。

  • 相关文献

[1]便携式农业病虫害图像采集仪设计与应用. 张超,王正,姚青,杨保军,唐健. 2016

[2]基于双线性注意力网络的农业灯诱害虫细粒度图像识别研究. 姚青,姚波,吕军,唐健,冯晋,朱旭华. 2021

[3]无人机遥感影像在油菜品种识别中的应用. 李婕,李毅,张瑞杰,李俐俐,李礼,姚剑,乔江伟. 2022

[4]基于双线性池化的实蝇分类注意力网络. 彭莹琼,俞融融,尹乘乐,洪恩松,俞小明,赵雷,何雯洁,邓泓. 2023

[5]基于混合扩张卷积和注意力的黄瓜病害严重度估算方法. 李凯雨,朱昕怡,马浚诚,张领先. 2023

[6]基于改进MobileNet的轻量级外来入侵植物识别模型研究. 吴鸿飞,刘万学,冼晓青,赵梦欣,姚青. 2024

[7]基于改进YOLOv4-tiny的茶叶嫩芽检测模型. 方梦瑞,吕军,阮建云,边磊,武传宇,姚青. 2022

[8]基于TBTA网络的高光谱图像分类. 唐婷,潘新,罗小玲,闫伟红. 2023

[9]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[10]基于改进Swin-Unet的小麦条锈病分割方法. 臧贺藏,任帅,王从胜,王盛威,赵瑞玲,陈丹丹,赵晴,张杰,郑国清,李国强. 2024

[11]基于迁移学习的MobileViT-CBAM鲜烟叶成熟度识别模型研究. 赵泮真,王松峰,齐飞,胡强,王爱华,李亚纯,孟令峰,尹东,段史江,王志生. 2025

[12]基于改进YOLO v8n-seg的群猪分割方法研究. 王兴家,郑纪业,盛清凯,杨亮,张霞. 2025

[13]基于区域亮度自适应校正的茶叶嫩芽检测模型. 吕军,方梦瑞,姚青,武传宇,贺盈磊,边磊,钟小玉. 2021

[14]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[15]基于AlexNet的栽培苜蓿病害识别. 李云昊,李仲贤,伏帅,张忠雪,茆士琴,冯琦胜,梁天刚,李彦忠. 2023

[16]基于改进YOLOv8s的大田甘蓝移栽状态检测算法. 吴小燕,郭威,朱轶萍,朱华吉,吴华瑞. 2024

[17]基于改进YOLO v5的复杂环境下柑橘目标精准检测与定位方法. 李丽,梁继元,张云峰,张官明,淳长品. 2024

[18]基于深度学习的半监督图像标注系统设计与实现. 胡明玉,夏雪,杨晨雪,曹景军,柴秀娟. 2021

[19]目标检测算法YOLOv5s用于柑桔成熟果实检测的改进. 蹇川,郑永强,刘艳梅,马岩岩,易时来,吕强,谢让金. 2024

[20]深度学习在蜜蜂研究中的应用. 孙逸飞,丁桂玲,路运才,刘振虎,黄家兴. 2023

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：中国农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台