基于改进YOLOv5s的烟草害虫检测方法OA
[目的]针对复杂环境下烟草害虫个体尺度小、纹理杂乱等问题,基于YOLOv5s框架构建了改进检测模型YOLOv5s-CBN,以提升对金龟科和甜菜夜蛾两类主要害虫的识别性能。[方法]在主干网络中引入卷积块注意力模块(CBAM),以增强特征提取能力;同时以双向特征金字塔网络(BiFPN)替代原有PANet结构,以获得更高效的多尺度特征融合与信息传递能力。[结果]改进后的YOLOv5s-CBN模型平均精度(mAP)达0.941,召回率和精确率分别为0.952、0.902,F1值为0.927,在精确率与召回率之间取得较好平衡。[结论]该模型在烟草害虫检测任务中具备较高准确性,可为智慧植保中害虫自动识别与实时监测提供技术支撑。
姬会福;杨晋燕;邵惠芳;常瑛琦;朱明;常剑波;雷庚;郭杰
河南农业大学烟草学院/国家烟草栽培生理生化研究基地,河南郑州450046河南省烟草公司三门峡市公司,河南三门峡472400河南农业大学烟草学院/国家烟草栽培生理生化研究基地,河南郑州450046河南农业大学烟草学院/国家烟草栽培生理生化研究基地,河南郑州450046河南农业大学烟草学院/国家烟草栽培生理生化研究基地,河南郑州450046河南省烟草公司三门峡市公司,河南三门峡472400三门峡市烟草公司卢氏分公司,河南卢氏472200河南省烟草公司三门峡市公司,河南三门峡472400
农业科技
YOLOv5s害虫检测CBAMBiFPN
《安徽农业科学》 2026 (13)
P.205-210,6
河南省科技攻关项目(242102111178)河南省烟草公司三门峡市公司科技创新项目(2024411200200025X)。
评论