基于YOLO v5s的茶叶病虫害检测方法

陈德琼，旷丞吉

(1.铜仁市住房和城乡建设局；2.铜仁学院 大数据学院，贵州 铜仁 554300)

茶叶作为中国茶文化的主要原料，其需求较大，种植面积较广，而茶叶病虫害直接影响了茶叶的产量和质量，是茶叶种植需要解决的关键问题之一。在茶叶病虫害的识别方面，传统方式主要是依赖茶农的种植经验来判断，该方式效率较低，很容易导致茶叶病虫害的误判，导致用错药或不能有效抑制病虫害的传播，严重制约了茶叶的增产和提质。

随着信息技术的发展，越来越多的学者将深度学习算法应用于植物的病虫害检测，利用卷积神经网络（Convolutional Neural Network，CNN）[1-2]模型提取病虫害特征，经过有监督学习方法训练模型，用训练好的模型识别待检测的茶叶病虫害，相较于传承的基于于病斑图像分隔[3-4]、基于病斑图像特征提取[5-6]、分类聚类[7-8]等方法。基于CNN构建的模型能更好的提取病虫害特征，具有更好的鲁棒性。在茶叶病虫害检测模型研究方面，孙艳歌等[9]将自注意力机制引入病虫害特征检测上，利用多头自注意力机制提取多种尺度下的全局上下文信息，对复杂背景的茶叶图片病虫害识别具有较好效果；余小东[10]、赵立[11]等利用迁移学习方法对棉花等农作物的病虫害进行了识别，取得了较好效果，但这些研究中，针对茶叶病虫害初期的识别效果不是很理想，茶叶病虫害初期，病斑区域小，在特征提取过程中，容易丢失原有病斑特征，对此，本文提出利用YOLO v5s对茶叶病虫害进行检测，以提高病虫害检测准确率。

1 模型构建与实验

1.1 基于YOLO v5s的模型

YOLO v5是YOLO系列中性能较好的One-Stage模型，其相比于Faster-RCNN[7]的Two-Stage目标检测方法来说，具有更快的检测速度和更高的准确率。YOLO v5模型的网络示意图如图1所示。

图1 YOLO v5模型的网络示意图

由图1可知，将茶叶病虫害图片输入主干网络中，经过两轮卷积网络提取特征后进入C3处理模块，C3模块的结构示意图如图2所示。经过多轮卷积模块和C3模块后，进入SPPF模块，SPPF模块的示意图如图3所示。

图2 C3模块的结构示意图

图3 SPPF模块的结构示意图

在图2中，CBS模块由Conv、BN及SiLU激活函数构成，BottleNeck由两个CBS模块构成，使用残差方式融合输出参数，以保证特征数不变。

在SPPF模块中，其主要由CBS模块和池化模块构成，输入图像经过CBS模块、池化层后进行Concat操作，通过Concat操作将输入特征图各维度的输出连接起来，可以获得信息更丰富的特征图，该方法可以有效提高茶叶病虫害检测的准确率。

1.2 实验数据集构建

本实验通过实地采集和网络收集茶叶病虫害图片共3000余张，病虫害类型主要包括炭疽病、叶枯病、白星病、螨虫等18种。为了提升模型性能，通过对采集来的病虫害图片进行裁剪、旋转等空间变换和像素变换，以增强训练数据集，提升训练模型的性能，实验数据集共4020张，如图4所示。

图4 茶叶病虫害实验集图片

在获得茶叶病虫害数据集后，经过Label Img标注软件标注后，构建好了实验所需的标注信息（Annotations）、图像集合（ImageSets）等文件信息，同时生成实验所需的train.txt、trainval.txt、val.txt的内容，标记后的图像如图5所示。

图5 茶叶病虫害图像标记示意图

1.3 实验环境搭建

为了加快模型训练和识别的速度，本实验搭建了如下表1所示实验平台。

表1 模型训练实验环境

1.4 实验评价指标

本实验中使用平均精度均值（meanaverageprecision，mAP）来度量算法，其计算公式如式（1）所示。其中，N表示参与实验的茶叶病虫害种类，表示第i种病虫害的平均检测精确度。

1.5 实验结果与分析

将茶叶病虫害实验集划分为3组，分别是训练集（80%）、测试集（10%）和验证集（10%），通过基于YOLO v5s模型训练，获得能检测茶叶病虫害的识别模型。检测模型经过训练后，获得如图6所示识别结果示意图。

图6 病虫害检测结果示意图

为了对比检测模型的优势，将实验集分别使用Faster-RCNN、YOLO v5s进行了对比实验，使用YOLO v5s检测获得如表2所示准确率情况。

表2 YOLO v5s识别准确率情况

经实验，Faster-RCNN的平均准确率为39.4%，由表2的实验结果可知，YOLO v5s对部分茶叶病虫害检测准确率优于Faster-RCNN方法，但准确率仍有提升空间。

2 结语

本文通过将YOLO v5s应用在茶叶病虫害的检测上，获得了较好检测准确率。通过将其部署在服务器上，可通过B/S模式构建应用系统，在移动端调用该识别模型，并传回识别结果，对快速检测茶叶病虫害具有重要意义，同时，对提升茶叶产量和质量具有重要价值。