一种YOLOv5-DK的柠檬初期病虫害检测算法研究

为解决柠檬初期病虫害特征部位小难以检测和可以利用数据集较少的问题,提出一种YOLOv5-DK检测算法。该算法是以YOLOv5为基础,采用K-Means++重新聚类柠檬初期虫害部位锚框,缓解柠檬初期虫害特征小的问题;同时提出一种新的轻量化Denseneck-2模块,该模块是利用DenseNet网络中复用的思想,让检测算法每一层输入都有前面每一层的特征信息,使得YOLOv5-DK对柠檬初期病虫害样本量的需求下降。与原始的YOLOv5检测算法相比较,新的YOLOv5-DK检测算法在检测的平均精度上面提高3.4%,漏检率下降2.1%,算法模型的参数量减轻6.3%,表明该算法在小样本和小目标的应用场景下性能更优。