基于改进YOLOv5的自然环境下番茄患病叶片检测模型

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要： 针对自然环境下番茄叶片存在的复杂背景和密集遮挡情况，提出一种改进的YOLOv5模型，用于实时检测自然环境下番茄叶片的病害。首先，使用RepVGG模块代替YOLOv5中主干网络的卷积层，改善主干网络的特征提取能力，减少模型的内存占用，加速模型的推理速度;其次，在颈部的C3模块中引入注意力机制模块CBAM，提高模型在复杂背景下对番茄患病叶片的检测精度以及对遮挡目标的识别率;最后，引用新的损失函数SIoU，加速模型的收敛速度并降低模型的损失值。（剩余12754字）

试读结束

目录
monitor