增强的YOLOv5对象检测算法,用于准确检测成年人Rhynchophorus ferrugineus
Shuai Wu1, Jianping Wang1, Li Liu2
1School of Computer and Communication Engineering, University of Science and Technology Beijing, Beijing 100083, China.
Insects
|August 25, 2023
概括
增强的YOLOv5算法与注意力机制显著改善了红棕虫 (RPW) 的检测. 这种先进的模型为害虫防治系统提供了更高的准确性和实时性能.
科学领域:
- 农业昆虫学 农业昆虫学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 红棕虫 (RPW), *Rhynchophorus ferrugineus*,是一种破坏性的入侵性害虫,威胁着棕植物的健康.
- 有效管理成年RPW对于减轻农业损害至关重要.
研究的目的:
- 加强YOLOv5对象检测算法,以提高识别成年红棕虫的准确性.
- 为农业应用开发一个更有效和实时的害虫预检系统.
主要方法:
- 一个增强的YOLOv5算法是通过整合一个卷积层和四倍下方采样在骨干中开发的.
- 压缩和刺激 (SE) 和卷积区注意模块 (CBAM) 的注意力机制被整合起来,以促进特征提取.
- 一组2600张RPW图像的数据集被策划并分为培训,验证和测试集 (7:2:1比).
主要成果:
- 改进的YOLOv5算法实现了90.1%的平均精度 (mAP@0.5) 和93.8%的精度 (P).
- 拟议的模型与现有的相关模型相比,显示出显著的性能改进.
- 该算法提供了高检测精度和实时处理能力.
结论:
- 增强的YOLOv5模型为RPW预检测系统提供了卓越的检测准确性和实时性能.
- 这一进步有助于及时采取害虫防治措施,减少红棕虫感染的影响.
- 可适应的算法显示出在监测和控制各种农业害虫方面具有更广泛应用的潜力.
