一种轻量级YOLOv5S农作物虫害目标检测模型OA北大核心CSTPCD
[目的]本文提出一种轻量级YOLOv5S农作物虫害目标检测模型以解决在样本数量不足的情况下农作物虫害识别的问题。[方法]利用Ghost技术将2个Ghost Bottle Block线性特征提取模块封装为1个GB模块,代替YOLOv5S中前7个CBL、CSP、SPP非线性特征提取模块,从而约简了YOLOv5S的网络参数,减轻了网络体量。[结果]在保证虫害检测效果的前提下降低网络对计算硬件与训练样本的依赖。为了验证模型的有效性,对水稻、玉米、棉…查看全部>>
郭小燕;于帅卿
甘肃农业大学信息科学技术学院,甘肃兰州730070甘肃农业大学信息科学技术学院,甘肃兰州730070
农业工程
农作物虫害YOLOv5S轻量级目标检测
《南京农业大学学报》 2024 (5)
P.1009-1018,10
国家自然科学基金项目(32360437)甘肃农业大学青年导师基金(QAU-QDFC-2021-18)甘肃农业大学科技创新基金(盛彤笙创新基金)(GSAU-STS-2021-16)。
评论