文献类型： 中文期刊

作者： 杨信廷 ¹ ; 胡焕 ¹ ; 陈晓 ¹ ; 李汶政 ¹ ; 周子洁 ¹ ; 李文勇 ¹ ;

作者机构： 1.国家农业信息化工程技术研究中心

关键词： 小目标;害虫检测;轻量化;粘虫板;多源场景;MobileNetV4;YOLOv5s

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2025 年 7 卷 001 期

页码： 111-123

摘要： [目的/意义]为了解决多源场景下粘虫板图像中粉虱和蓟马两种害虫由于个体小难以精确检测以及设备计算资源受限的问题，本研究基于YOLOv5s提出了一种名为MobileNetV4+VN-YOLOv5s的小目标图像轻量化检测识别模型。[方法]模型框架结合MobileNetV4主干网络构建EM模块，实现特征提取网络结构的优化和精度的提升；在模型颈部引入轻量化模块GSConv和VoV-GSCSP，替代普通卷积，降低模型复杂度；最后添加NWD (Normalized Wasserstein Distance)损失函数，用于增强小目标的判别敏感度与定位能力。[结果和讨论]所提出模型在室内场景下对小目标害虫的检测性能最佳，平均检测精度为82.5%，较原始模型YOLOv5s提升了8.4%；模型参数量降低了3.0 M，帧率提升了6.0帧/s；在室外场景下，所提出模型的平均精度为70.8%，较YOLOv5s提升了7.3个百分点，参数量降低了3.0 M，帧率提升了5.5帧/s；在混合场景下，模型的平均精度为74.7%，较YOLOv5s提升了8.0个百分点，参数量降低了3.0 M，帧率提升了4.3帧/s。同时研究发现，对原始图像进行裁剪分割能够影响模型性能，在采用5×5的比率对原图进行分割下模型的检测识别性能最佳；利用室内场景数据训练的模型能够在所有场景下都获得最佳的检测性能。[结论]本研究提出的MobileNetV4+VN-YOLOv5s模型兼顾轻量化和精度，模型可部署到嵌入式设备，便于落地应用，可为各种多源场景下粘虫板图像中小目标害虫检测提供参考。