基于改进YOLOv5s模型的玉米叶片病害识别

摘要

在玉米生长过程中,灰斑病、叶锈病和叶斑病是几种常见的玉米叶片病害。目前,深度学习成为玉米病害识别的重要方法。为提高玉米叶片病害的识别准确率,将在传统目标检测网络模型YOLOv5s的基础上进行优化改进,对玉米叶斑病、叶锈病、灰斑病3种叶片病害图像和正常玉米叶片图像进行识别。首先,通过镜像翻转、图像增强及亮度调节方法等对病害图像进行预处理操作,增强数据集并提高网络鲁棒性,将YOLOv5s网络模型原有的Bottleneck CSP模块替换为CBAM注意力机制模块,并与原始的YOLOv5s网络模型进行对比实验。实验结果表明,该检测方法对玉米叶片病害识别的平均准确率为95.6%,识别精度较原始YOLOv5s网络模型有所提升,可为玉米叶片病害识别提供有效的技术支持。