文献类型： 中文期刊

作者： 李明 ¹ ; 丁智欢 ¹ ; 赵靖暄 ² ; 陈思铭 ² ; 李文勇 ² ; 杨信廷 ² ;

作者机构： 1.广西大学计算机与电子信息学院

2.北京市农林科学院信息技术研究中心/国家农业信息化工程技术研究中心/农产品质量安全追溯技术及应用国家工程研究中心/中国气象局—农业农村部都市农业气象服务中心

关键词： 深度学习;目标检测;YOLOv5;黄瓜霜霉病;孢子囊

期刊名称： 中国农机化学报

ISSN：

年卷期： 2023 年 005 期

页码： 63-70

收录情况： 北大核心

摘要： 针对温室孢子捕捉设备所采集图像中孢子囊分布密集、粘连堆叠和背景复杂的特点，提出一种基于改进YOLOv5s的黄瓜霜霉病孢子囊检测算法。首先，使用带CBAM（Convolutional Block Attention Module）注意力机制的Ghost卷积替代原始网络中的CSP（Cross Stage Partial）模块，抑制背景中的杂质，在保证产生丰富特征图的同时，降低模型的参数量，提升计算速度。其次，修改特征融合网络的连接方式，删除原来负责大物体检测的分支并加入一个更细粒度的分支，以加强对小目标和密集、堆叠目标的检测。最后，对不同预测头产生的损失值赋予不同的权重，并用考虑中心点距离的DIOU＿NMS非极大值抑制方法代替原来的NMS方法。改进后的YOLOv5s算法的平均准确率和FPS分别为91.18%和65.4帧/s,比原始的YOLOv5s算法高4.88%和7.1帧/s。该研究可为监测黄瓜霜霉病的发生和发展提供数据支撑，对于保障黄瓜的产量和质量具有重要意义。