基于轻量级的GBW-YOLOv5模型,快速检测多个规模的棉花害虫
Jinyan Liang1, Min Tian1, Xiang Liu1
1College of Mechanical and Electrical Engineering, Shihezi University, Shihezi, China.
Pest management science
|January 31, 2024
概括
一个新的修剪的GBW-YOLOv5模型显著提高了棉花害虫检测速度和准确性. 这一进步有助于快速识别,使得能够精确控制害虫,并提高作物产量和质量.
科学领域:
- 农业科学 农业科学
- 计算机视觉 计算机视觉
- 机器学习 机器学习
背景情况:
- 害虫侵袭显著降低了棉花的产量和质量.
- 准确和快速识别棉花害虫对于有效控制至关重要.
- 目前的多级害虫检测方法缺乏足够的准确性和速度.
研究的目的:
- 开发一种用于快速准确检测棉花害虫的新型模型.
- 解决现有的害虫检测技术的局限性.
主要方法:
- 建议修剪的GBW-YOLOv5 (幽灵-BiFPN-WIoU你只看一次版本5) 模型.
- 在自建的棉花害虫数据集上评估了模型的性能.
主要成果:
- 与原来的YOLOv5.5相比,修剪后的GBW-YOLOv5模型在复杂性 (68.4%),大小 (66.7%) 和参数 (68.2%) 上实现了显著的减少.
- 平均精度 (mAP) 显示3.8%的最小下降.
- 该模型表现出114.9 FPS的优异检测速度,超过了其他物体检测模型.
结论:
- 修剪后的GBW-YOLOv5模型可以快速准确地识别棉花害虫.
- 这项研究为精确的害虫控制措施提供了基础.
- 该模型为现场棉花害虫检测提供理论和技术支持.
