基于YOLO的水稻常见害虫识别方法——以YOLO-BiCa为例

针对害虫体积小、种类繁多,且农田环境复杂等识别难题,提出一种基于YOLOv5的水稻害虫识别改进模型——YOLO-BiCa。引入BiFormer优化骨干网络,增强小目标的特征提取能力,同时精简网络结构,降低模型复杂度;在检测头融入坐标注意力机制(Coordinate Attention,CA),其通过结合通道信息和位置信息,提高模型的特征表达能力和性能,同时保持了轻量级和灵活性;在自建的水稻害虫数据集上进行试验。结果表明:YOLO-BiCa的mAP、Precison、Recall分别为86.2%、86.4%、81.3%。较原YOLOv5算法提高了4.5%、11.5%、2.5%。同时也比较了SSD、Faster RCNN等目前主流的目标检测算法,结果均有较大提升。YOLO-BiCa在提高检测精度的同时,模型参数量减少50%,有效实现了模型的轻量化与性能的平衡,为水稻害虫识别提供新的思路和方案。