使用改进的YOLOv5与注意力机制检测西红棕色腐烂病

科学领域:

• 农业科学 农业科学
• 计算机科学 计算机科学
• 植物病理学 植物病理学

背景情况:

• 棕色腐烂病显著影响番茄产量,需要有效的检测方法.
• 现有的物体检测模型在农业应用中难以处理复杂的场景和小物体特征提取.

研究的目的:

• 开发一种增强的深度学习算法,以准确有效地检测番茄棕色腐烂病.
• 提高对象检测模型在复杂环境中的性能,以识别农业疾病.

主要方法:

• 开发了一种增强的YOLOv5s算法,结合了混合注意力机制,用于番茄棕色腐烂检测.
• 使用CIOU损失函数进行精确的界限框回归.
• 在一个定制的番茄病数据集上进行了实验.

主要成果:

• 改进的算法实现了94.6%的平均准确率.
• 该模型展示了每秒112的快速检测速度.
• 提出的方法在检测番茄棕色腐烂方面表现优于现有模型.

结论:

• 集成的注意力机制和CIOU损失功能显著改善YOLOv5s用于番茄棕色腐烂检测.
• 这种增强的模型为番茄植物的智能疾病检测提供了强大而高效的解决方案,有助于提高农业生产率.