改进YOLOv5s的蝗虫识别系统

马宏兴董凯兵丁雨恒盛铁雷张薇

北方民族大学电气信息工程学院

摘要：为准确有效识别宁夏荒漠草原地区蝗虫种类，基于YOLOv5s网络模型提出一种复杂背景下蝗虫目标检测模型YOLOv5s-CG，在主干网络使用CoTNet保留复杂背景下的蝗虫特征信息，同时在颈部网络中融入GAM全局注意力机制提高检测模型的特征融合能力。结果表明，在对宁夏荒漠草原蝗虫进行识别时，模型YOLOv5s-CG精确率为92.5%，平均精度均值为93.2%，相比原始模型分别提高4.8个百分点和5.3个百分点，与FastR-CNN、YOLOv3、YOLOv4、YOLOv5s、YOLOv6s、YOLOv7模型相比，YOLOv5s-CG网络模型对宁夏荒漠草原蝗虫具有更好的检测性能。基于YOLOv5s-CG，开发宁夏荒漠草原蝗虫识别APP系统，实现宁夏荒漠草原地区复杂背景下的蝗虫在线识别检测，为宁夏荒漠草原地区蝗虫的监管防控和综合治理提供数据支持。