改进YOLOv5的小目标多类别农田害虫检测算法研究

周康乔，刘向阳，郑特驹

（河海大学理学院，南京市，211100）

摘要：针对农田害虫图像中感兴趣目标特征不明显、小目标居多导致的目标检测精度较低的问题，提出一种基于YOLOv5改进的小目标多类别农田害虫目标检测算法。首先，在主干网络最后两个C3卷积块特征融合部分引入Swin Transformer窗口注意力网络结构，增强小目标的语义信息和全局感知能力；其次，在颈部网络的C3卷积块后添加通道注意力机制和空间注意力机制的可学习自适应权重，使网络能够关注到图像中关于小目标的特征信息；最后，由于YOLOv5自身的交并比函数存在收敛速度较慢且精确率较低的问题，引入SIOU函数作为新的边界框回归损失函数，提高检测的收敛速度和精确度。将所提出的算法在包含28类农田害虫公开数据集上进行试验，结果表明，改进后的算法在农田害虫图像数据集上的准确率、召回率和平均准确率分别达到85.9%、76.4%、79.4%，相比于YOLOv5分别提升2.5%、11.3%、4.7%。