|本期目录/Table of Contents|

[1]贺洪江,刘毅祥,王双友.基于改进YOLO v5s的叶菜病虫害检测算法研究[J].江苏农业科学,2025,53(5):244-250.
　He Hongjiang,et al.Study on foliage vegetable disease and pest detection algorithm based on improved YOLO v5s[J].Jiangsu Agricultural Sciences,2025,53(5):244-250.
点击复制

基于改进YOLO v5s的叶菜病虫害检测算法研究(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第53卷
期数:
2025年第5期
页码:
244-250
栏目:
病虫害智能检测
出版日期:
2025-03-05

文章信息/Info

Title:
Study on foliage vegetable disease and pest detection algorithm based on improved YOLO v5s
作者:
贺洪江1; 刘毅祥1; 王双友2
1.河北工程大学信息与电气工程学院，河北邯郸 056000； 2.邯郸学院软件学院，河北邯郸 056005
Author(s):
He Hongjiang; et al
关键词:
叶菜病虫害; YOLO v5s; CA注意力机制; Slim-neck; WIoU损失函数
Keywords:
-
分类号:
S126；TP391.41
DOI:
-
文献标志码:
A
摘要:
叶菜病虫害的早期识别是提高叶菜产量和质量的重要保障，为提高常见叶菜病虫的检测精度，针对实际生产中的复杂环境，以YOLO v5s为基准模型，提出一种改进的FV-YOLO v5s模型。首先，在主干网络中融合CA注意力机制模块与C3特征提取模块，形成了C3CA模块以增强叶菜病虫害的特征提取能力。接着在颈部网络中使用Slim-neck范式设计，高效提取图像中小尺寸目标的特征，增强特征融合的效率。最后用 WIoU损失对原损失函数CIoU进行替换，更快地达到收敛状态并提升模型检测性能。结果表明，新模型的精度、召回率和平均精度均值分别达到了92.2%、91.5%、94.8%。改进后的模型FV-YOLO v5s对比原YOLO v5s模型算法，精度、召回率、平均精度均值分别提高2.7、1.4、1.8百分点，优于现有的识别网络，包括YOLO v7、YOLO v8、Faster R-CNN等模型。FV-YOLO v5s模型适用于现代农业生产环境，有助于快速识别和检测叶菜病虫害，且该研究为智慧农业中的叶菜高品质和高产量提供了依据，从而最大限度地减少经济损失。
Abstract:
-

参考文献/References:

［1］金利容，丛胜波，黄薇，等. 播种后直接覆盖29目防虫网防控叶菜害虫［J］. 中南农业科技，2022，43(5)：16-19.
［2］岳崇勤，张寒波，堵一鸣. 3种叶菜播种机适应性研究［J］. 长江蔬菜，2023(13)：13-15.
［3］Girshick R. Fast R-CNN［C］//Proceedings of the 2015 IEEE International Conference on Computer Vision (ICCV). Washington，DC：IEEE Computer Society，2015：1440-1448.
［4］Ren S Q，He K M，Girshick R，et al. Faster R-CNN：towards real-time object detection with region proposal networks［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence，2017，39(6)：1137-1149.
［5］Liu W，Anguelov D，Erhan D，et al. SSD：single shot MultiBox detector［M］//Lecture notes in computer science. Cham：Springer International Publishing，2016：21-37.
［6］Redmon J，Divvala S，Girshick R，et al. You only look once：unified，real-time object detection［C］//2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR). Las Vegas，NV，USA：IEEE，2016：779-788.
［7］王云露，吴杰芳，兰鹏，等. 基于改进Faster R-CNN的苹果叶部病害识别方法［J］. 林业工程学报，2022，7(1)：153-159.
［8］Li D W，Ahmed F，Wu N L，et al. YOLO-JD：a deep learning network for jute diseases and pests detection from images［J］. Plants，2022，11(7)：937.
［9］Wang X W，Liu J，Zhu X N. Early real-time detection algorithm of tomato diseases and pests in the natural environment［J］. Plant Methods，2021，17(1)：43.
［10］Soeb M J A，Jubayer M F，Tarin T A，et al. Tea leaf disease detection and identification based on YOLO v7 (YOLO-T)［J］. Scientific Reports，2023，13(1)：6078.
［11］黄成龙，柯宇曦，华向东，等. 边缘计算在智慧农业中的应用现状与展望［J］. 农业工程学报，2022，38(16)：224-234.
［12］杨坚，钱振，张燕军，等. 采用改进YOLO v4-tiny的复杂环境下番茄实时识别［J］. 农业工程学报，2022，38(9)：215-221.
［13］吕志远，张付杰，魏晓明，等. 采用组合增强的YOLOX-ViT协同识别温室内番茄花果［J］. 农业工程学报，2023，39(4)：124-134.
［14］周桂红，马帅，梁芳芳. 基于改进YOLO v4模型的全景图像苹果识别［J］. 农业工程学报，2022，38(21)：159-168.
［15］Hou Q B，Zhou D Q，Feng J S. Coordinate attention for efficient mobile network design［C］//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR). Nashville，TN，USA：IEEE，2021：13708-13717.
［16］Li H L，Li J，Wei H B，et al. Slim-neck by GSConv：a better design paradigm of detector architectures for autonomous vehicles［EB/OL］. (2022-06-06)［2024-03-01］. https://arXiv.org/abs/2206.02424.
［17］Tong Z，Chen Y，Xu Z，et al. Wise-IoU：Bounding Box Regression loss with dynamic focusing mechanism［EB/OL］. (2023-04-08)［2024-03-10］. https：//arxiv.org/abs/2301.10051.

相似文献/References:

[1]龙阳,肖小玲.基于多注意力机制的苹果叶部病害检测方法[J].江苏农业科学,2023,51(23):178.
　Long Yang,et al.Apple leaf disease recognition method based on multi-attention mechanism[J].Jiangsu Agricultural Sciences,2023,51(5):178.
[2]赵方,左官芳,顾思睿,等.基于改进YOLO v5s的温室番茄检测模型轻量化研究[J].江苏农业科学,2024,52(8):200.
　Zhao Fang,et al.Lightweight research of greenhouse tomato detection model based on improved YOLO v5s[J].Jiangsu Agricultural Sciences,2024,52(5):200.
[3]朱齐齐,陈西曲.基于改进YOLO v5的轻量级果园苹果检测算法[J].江苏农业科学,2024,52(17):200.
　Zhu Qiqi,et al.Lightweight orchard apple detection algorithm based on improved YOLO v5[J].Jiangsu Agricultural Sciences,2024,52(5):200.
[4]高泉,刘笠溶,张洁,等.基于ActNN-YOLO v5s-RepFPN的番茄病害识别及系统设计[J].江苏农业科学,2024,52(20):220.
　Gao Quan,et al.Tomato disease identification and system design based on ActNN-YOLO v5s-RepFPN[J].Jiangsu Agricultural Sciences,2024,52(5):220.
[5]史鹏涛,田政伟,李晓泽,等.基于改进YOLO v5s算法的红枣缺陷检测与分拣方法[J].江苏农业科学,2025,53(5):83.
　Shi Pengtao,et al.Defect detection and sorting method of jujube based on improved YOLO v5s algorithm[J].Jiangsu Agricultural Sciences,2025,53(5):83.

备注/Memo

备注/Memo:
收稿日期：2024-03-29
基金项目：河北省高等学校科学技术研究项目(编号：ZC2022095)。
作者简介：贺洪江(1964—)，男，河北邯郸人，硕士，教授，研究方向为计算机检测与控制。E-mail：1446877734@qq.com。
通信作者：王双友，博士，副教授，研究方向为计算机视觉。E-mail：wsyhdc@163.com。
更新日期/Last Update: 2025-03-05