改进YOLOv5算法的玉米病害检测研究

为了解决玉米叶部病害识别技术落后、效率不高、精度不够的问题，提出一种改进的YOLOv5算法识别玉米病害。在保持模型的较低计算量的情况下，同时提升检测速度和算法性能，将传统的YOLOv5s网络的特征提取结构进行改进，在主干网络中添加CA注意力机制，改善目标漏检问题，帮助模型更加精准地定位和识别；在颈部使用BiFPN替代原有的PANet，通过双向的特征融合提升多尺度语义特征的利用，加强对图像深层特征的提取，添加小目标监测层，加强对小物体的检测效果；改进损失函数，引入Focal-EIOU Loss损失函数，提高BBox的回归精度。改进后的YOLOv5算法和传统的YOLOv5s相比，Recall提升了4.61个百分点，平均精度AP上升了4.5个百分点，mAP@0.5提高了2.14个百分点，检测速度上升了4.5 FPS。实验结果表明，改进后的YOLOv5算法在增加极少复杂度的情况下明显提升了算法的效率和性能，并且效果优于传统的YOLOv5s算法。