点击蓝字，等你关注
01 论文基本信息
点击封面图阅读第8期
点击首页图阅读本文
题目： 基于改进轻量化YOLO v5n的番茄叶片病害识别方法
作者：王娜，陈勇，崔艳荣，胡蓉华
第一单位：长江大学计算机科学学院
文章出处：王娜,陈勇,崔艳荣,等.基于改进轻量化YOLO v5n的番茄叶片病害识别方法[J].江苏农业科学,2024,52(8):192-199.
02 文章介绍
研究背景
番茄作为我国非常重要的经济作物，其生产已成为农民增收的主导产业，对实现农业增效做出了突出贡献。然而，番茄病害现在是影响番茄产量和品质的主要因素，在各个地区都有不同程度的发生，其种类繁多且复杂，包括细菌性斑疹病、早疫病、晚疫病、叶霉病、斑枯病、褐斑病、花叶病、黄化曲叶病、白粉病等。若能快速准确地识别番茄病害，及时防治，便能减少经济损失保证番茄产业的可持续健康发展。因此对番茄病害的研究和防治就显得十分重要。
传统的番茄叶片病害检测和诊断方法主要依赖于人工观测和经验判断，由于叶片病害数量多且难以区分，基于人工的识别方法存在成本高、主观性强、准确率低等问题。随着机器学习的快速发展壮大，机器学习不断应用于农作物采摘、病害识别等方面。以往研究提出的方法可较为准确地识别研究目标，但很少考虑提出的方法能否兼顾准确率、参数量以及计算量三个方面。
研究内容
针对现有番茄叶片病害识别存在背景复杂、识别准确率低、模型参数量大、计算量大以及难以部署至移动设备或嵌入式设备等问题，提出一种改进的轻量化YOLO v5n的番茄叶片病害识别方法，改进后的网络可以在保证高识别准确率的同时减少存储空间的占用，使其能部署于移动端，从而实现对番茄叶片病害的实时识别，便于果农及时采取措施，减少经济损失。
试验材料与方法
收集细菌性斑疹病、早疫病、晚疫病、叶霉病、斑枯病、褐斑病等6种常见番茄叶片病害图像以及番茄健康叶片图像，对图像进行镜像翻转、高斯模糊等数据增强方式增加样本多样性，提升模型识别和泛化能力。
在YOLO v5n网络基础上，选择采用轻量化的C3Ghost模块替换C3模块以压缩卷积过程中的计算量、模型权重和大小，同时在颈部网络中融合轻量级卷积技术GSConv和VOV-GSCSP模块，在增强特征提取能力的同时降低模型参数量。
引入PAGCP算法对改进后的模型进行全局通道剪枝压缩参数量并减少训练开销。
试验结果与结论
改进后的YOLO v5n平均精度均值达99.0%，参数量减少66.67%，计算量降低了2.6G，模型权重压缩了2.23MB。试验结果表明，改进的YOLO v5n模型在识别番茄叶片病害方面有更好的效果，完成了对6类常见番茄叶片病害及番茄健康叶片的识别研究，更加适应真实环境，特征学习能力有所增强。
研究提出的番茄叶片病害识别方法在降低了模型大小、参数量、计算量的同时仍保持较高的识别精度，为移动设备上实现番茄叶片病害识别提供技术参考。
对农业生产的作用
03 作者简介
第一作者
王 娜
2000年生，河北张家口人，硕士研究生
研究领域：从事机器学习与人工智能研究，研究方向为计算机视觉。
科研成果：以第一作者发表研究论文1篇。
//
通信作者
陈 勇
1968年生，湖北仙桃人，副教授，硕士生导师，高级工程师
研究领域：从事信息技术相关研究，研究方向主要包括WEB信息处理、人工智能应用。
论文专利：以第一作者发表论文10余篇，授权发明专利3项。
基金项目：主持参与国家自然科学基金等多项。
//
04 延伸阅读
本刊相关论文推荐
基于改进YOLO v8的番茄叶片病害检测算法
许悦，陈琳
2024 ,52 (17) ：192-200
点击右侧箭头免费下载 >>>>>
基于改进YOLO v5s的温室番茄检测模型轻量化研究
赵方，左官芳，顾思睿，任肖恬，陶旭
2024 ,52 (8) ：200-209
点击右侧箭头免费下载 >>>>>
《江苏农业科学》（半月刊）1973年创刊，是江苏省农业科学院主管并主办的综合性农业科技期刊。
收录情况：入选中国精品科技期刊、北大中文核心期刊、中国科技核心期刊、RCCSE中国核心期刊、中国农林核心期刊。
学科排名：位列《科技期刊世界影响力指数（WJCI）报告》2023版中国农业科学第十一，知网年报农业科学综合第四，均入Q1区。
影响因子：2024年万方影响因子为1.811，2024年知网影响因子为2.048。
更多 · 交流
为了更好地服务作者，《江苏农业科学》编辑部成立了作者交流微信群，目前主要发布最新编辑部资讯、征稿启事、论文推荐及行业动态等信息，也可解答部分作者咨询。欢迎您扫下方二维码加小编微信（微信号vcknight），拉您进入作者交流群。
请备注“姓名+单位+入群理由”
往期精选
微信号丨jsnykxwx
长按识别二维码关注我们
编辑丨曹亚非
制作 | 曹亚非
审核丨吴桂亮
分享、在看与点赞，至少我要拥有一个吧
