一种基于YOLOv5的农业害虫检测方法.pdfVIP

植物保护20PlantProtection

2025,51(1):111-122

一种基于YOLOv5的农业害虫检测方法

李宗柱，宋绍剑*，李修华

（广西大学电气工程学院，南宁530004）

摘要虫害是影响农作物产量的重要因素之一，害虫种类的精确识别已成为农业领域目标检测的重要研究课题。

但由于害虫样本存在类间相似，标注的害虫样本尺度多样、背景复杂和类别分布不均匀等问题，使害虫的精准识别

面临严峻挑战。为此，本文提出一种基于YOLOv5改进模型的农业害虫检测新方法。首先，引入了一种新型特征

金字塔（featurepyramidattention，FPA）模块，用于替换基准YOLOv5主干网络的空间金字塔池化（spatialpyramid

pooling，SPP)模块。该模块能够进行不同尺度的特征提取,并将提取的特征拼接作为注意力机制指导网络进行细

粒度特征提取。然后，在YOLOv5主干网络输出层的特征提取过程中插入全局注意力上采样（globalattentionup-

sampling，GAU)模块，用高级特征的全局信息来指导模型从复杂背景中提取特征，使得模型能够从低级特征中更

精准地提取类别定位细节特征，进而提高模型的识别精度。本文在IP102害虫数据集上进行算法验证，结果表明，

与现有的多尺度注意学习网络(multiscaleattentionlearningnetwork，MSALN)相比准确率提升了3.21百分点。

关键词害虫识别；YOLOv5；数据增强；注意力机制；多尺度特征提取

中图分类号：TP391.41文献标识码：ADOI：10.16688/j.zwbh.2024089

AYOLOv5-basedmethodforagriculturalpestdetection

LIZongzhu,SONGShaojian*，LIXiuhua

(SchoolofElectricalEngineering,GuangxiUniversity,Nanning530004,China)

AbstractPestattackisacriticalfactorthataffectsagriculturalcropyields,andtheaccurateidentificationofpest

specieshasbecomeanimportantresearchtopicinthefieldoftargetdetectioninagriculture.However,the

accurateidentificationofpestsstillfacecriticalchallengesduetotheissues,suchascomplexbackgrounds,

interclasssimilarities,multiplescalesofannotatedsamples,andunevendistributionsamongdifferentcategory

samples.Therefore,thispaperproposedanewmethodfordetectingcroppestsbasedonanimprovedYOLOv5

model.First,weintroducedafeaturepyramidattention(FPA)moduletoreplacethespatialpyramidpooling

(SPP)moduleinthebackboneofYOLOv5,whichenhancesthenetworkperformanceinextractingfeaturesof

d