典型文献
改进YOLOv5的叶片黑斑病检测算法研究
文献摘要：
针对传统的YOLOv5算法对叶片中小尺度及密集黑斑病辨识精度不高的问题,提出一种用于黑斑病检测的改进YOLOv5算法.首先,增加小尺度检测层,提升网络对小尺度目标的辨识能力,以此来增加对小尺度叶片黑斑病的检测正确率;其次,加入注意力机制,提升网络的特征提取能力,从而提升对叶片黑斑病的检测正确率;最后,将YOLOv5算法的非极大值抑制(Non-Maximum Suppression,NMS)改为DIoU_NMS,提升网络对重叠目标的检测效果,以便对叶片中密集的黑斑病进行识别.实验结果表明:相比于传统的YOLOv5方法,改进后的YOLOv5算法的精准率(Precision,P)和召回率(Recall,R)分别由86.4％、77.8％提升至93.5％、80.0％,平均精度均值(mean Average Precision,mAP)也由85.1％提升到88.7％.
文献关键词：
叶片黑斑病;YOLOv5算法;卷积神经网络;小尺度检测层;注意力机制;非极大抑制函数
中图分类号：
作者姓名：
郝佳杰;方赛银;肖洒;李明
作者机构：
西南林业大学机械与交通学院,云南 昆明 650224;安徽工程大学高端装备先进感知与智能控制教育部重点实验室,安徽 芜湖 241000;安徽工程大学电气工程学院,安徽 芜湖 241000
文献出处：
引用格式：
[1]郝佳杰;方赛银;肖洒;李明-.改进YOLOv5的叶片黑斑病检测算法研究)[J].南方农机,2022(16):1-4
A类：
叶片黑斑病,非极大抑制函数
B类：
YOLOv5,检测算法,算法研究,中小尺度,辨识精度,小尺度检测层,小尺度目标,注意力机制,特征提取能力,非极大值抑制,Non,Maximum,Suppression,NMS,DIoU,检测效果,Precision,召回率,Recall,平均精度均值,mean,Average,mAP
AB值：
0.243427
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
