基于 YOLOv5 的稻叶病害分类与检测
计算机视觉与模式识别
2022-09-07 v1 人工智能
摘要
水稻（Oryza sativa）是全球百余个国家的主食。水稻种植对全球经济增长至关重要。然而，农业面临的主要问题是稻叶病害。作物质量与产量因此下降，这是主要原因。由于各国农民对稻叶病害知识有限，无法正确诊断稻叶病害，进而不能妥善护理稻叶，导致产量下降。文献调研表明，YOLOv5 相较其他深度学习方法表现更优。随着目标检测技术持续发展，具有极高精度与更优速度的 YOLO 系列算法已被用于各类场景识别任务以构建稻叶病害监测系统。我们对收集的 1500 个数据集进行了标注，并提出一种基于 YOLOv5 深度学习的稻叶病害分类与检测方法。随后训练并评估了 YOLOv5 模型。仿真结果显示本文提出的增强 YOLOv5 网络取得了改进的目标检测结果。所考虑的识别精度、召回率、mAP 值与 F1 分数等性能指标要求水平分别为 90%、67%、76% 和 81%。
引用
@article{arxiv.2209.01579,
title = {Rice Leaf Disease Classification and Detection Using YOLOv5},
author = {Md Ershadul Haque and Ashikur Rahman and Iftekhar Junaeid and Samiul Ul Hoque and Manoranjan Paul},
journal= {arXiv preprint arXiv:2209.01579},
year = {2022}
}