改进YOLOv5算法的多类苹果叶片病害检测

李昱达1 吴正平1 孙水发2 林淼3 伍箴燎1 沈虹杜1

1.三峡大学电气与新能源学院 2.杭州师范大学信息科学与技术学院 3.山东财经大学工商管理学院

摘要：针对多类苹果叶片病害准确率差异大、检测精度不高的问题，提出一种改进YOLOv5准确判别苹果叶片病害的检测算法(YOLOv5-CSEP)。首先，引入C3Ghost模块替换原YOLOv5主干网络C3模块，减少模型的参数量与计算量；其次，将混合注意力模块C-SAM加入主干网络中，提高主干网络的特征提取能力，在颈部网络中加入CA注意力模块，抑制复杂背景干扰关注目标信息；最后，引入增强型路径聚合网络(E-PANet)充分融合多尺度特征，提升网络对多类苹果叶片病害检测的准确性与鲁棒性。试验表明，改进后算法的各项性能指标均有提升，精确率达到93.2%,平均精度均值mAP@0.5达到87.9%,与原YOLOv5算法相比分别提高3.4%与1.7%,计算量减少11%。