曾晏林 賀壹婷 藺瑤 費(fèi)加杰 黎強(qiáng) 楊毅

摘要：針對(duì)自然環(huán)境中，人工目視解譯蘋果葉部病害耗時(shí)耗力、人為主觀因素強(qiáng)的問題。本研究提出了一種融合自注意力機(jī)制和Transformer模塊的目標(biāo)檢測(cè)算法——BCE-YOLOv5，實(shí)現(xiàn)對(duì)自然環(huán)境下對(duì)蘋果葉片病蟲害的自動(dòng)識(shí)別與檢測(cè)。該算法首先使用BotNet、ConvNeXt模塊分別替換Backbone網(wǎng)絡(luò)和Neck網(wǎng)絡(luò)的CSP結(jié)構(gòu)，增加自注意力機(jī)制對(duì)目標(biāo)的特征提取能力。通過將改進(jìn)的CBAM引入YOLOv5的特征融合網(wǎng)絡(luò)之后，使注意力機(jī)制對(duì)特征融合信息更加地關(guān)注。最后，用α-IoU損失函數(shù)替換IoU損失函數(shù)，使得網(wǎng)絡(luò)在模型訓(xùn)練過程中收斂的更加穩(wěn)定。BCE-YOLOv5算法在傳統(tǒng)算法YOLOv5基礎(chǔ)上平均精準(zhǔn)率均值提升了2.9百分點(diǎn)，并且改進(jìn)后的算法的模型大小和計(jì)算量較傳統(tǒng)算法分別減小了0.2 M和0.9 GFLOPs。平均精度均值比YOLOv4s、YOLOv6s、YOLOx-s和YOLOv7模型分別高2.5、1.3、3.5、2.2百分點(diǎn)。該方法能快速準(zhǔn)確識(shí)別蘋果葉部病害，為蘋果種植過程中提供智能化管理做參考。

關(guān)鍵詞：蘋果；葉片病害；識(shí)別；注意力機(jī)制；YOLOv5；BotNet；ConvNeXt；CBAM；α-IoU

中圖分類號(hào)：TP391.41 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2023）15-0155-09

基金項(xiàng)目：云南省重大科技專項(xiàng)（編號(hào)：202002AE09001002）。

作者簡(jiǎn)介：曾晏林（1993—），男，四川廣安人，碩士研究生，主要從事計(jì)算機(jī)視覺方面研究。E-mail：786823791@qq.com。

通信作者：楊 毅，教授，主要從事農(nóng)業(yè)信息化方面研究。E-mail：yyang66@126.com。

蘋果種植在我國(guó)已有2 000多年的發(fā)展歷程，目前栽培面積正逐漸增加。在國(guó)家宏觀經(jīng)濟(jì)政策的扶持下，中國(guó)傳統(tǒng)蘋果行業(yè)正逐漸地向現(xiàn)代化方向發(fā)展，我國(guó)已逐步發(fā)展為全球的蘋果行業(yè)強(qiáng)國(guó)。但同時(shí)，在蘋果栽培行業(yè)高速發(fā)展的背后，蟲害防控問題始終是困惑果農(nóng)的主要難點(diǎn)所在。

隨著深度學(xué)習(xí)的崛起和計(jì)算機(jī)計(jì)算能力的增強(qiáng)，采用智慧農(nóng)業(yè)物聯(lián)網(wǎng)系統(tǒng)對(duì)農(nóng)作物病蟲害進(jìn)行智能診斷，不僅省時(shí)省力，而且科學(xué)精準(zhǔn)，從動(dòng)態(tài)采集農(nóng)作物的病蟲害信息，到精準(zhǔn)識(shí)別，提出有針對(duì)性的防治決策，全過程基本實(shí)現(xiàn)自動(dòng)化、科學(xué)化，降低農(nóng)業(yè)成本。

近年來，國(guó)內(nèi)外學(xué)者提出許多基于傳統(tǒng)機(jī)器學(xué)習(xí)算法來解決針對(duì)蘋果葉部病害的識(shí)別。劉斌等研究了在移動(dòng)端建立蘋果葉部病蟲害輕量級(jí)識(shí)別模型［1］；龍滿生等利用改進(jìn)的Alex Net網(wǎng)絡(luò)對(duì)棉花葉部病蟲害進(jìn)行識(shí)別［2］；于洪濤等提出的VGG-F采用學(xué)習(xí)率的動(dòng)態(tài)調(diào)整實(shí)現(xiàn)蘋果病害的識(shí)別，該方法在復(fù)雜情況下識(shí)別準(zhǔn)確率較差［3］；王云露等基于Faster R-CNN 對(duì)蘋果葉部病害進(jìn)行識(shí)別，其算法時(shí)間效率不高［4］；田靚靚等利用SSD網(wǎng)絡(luò)對(duì)蘋果葉片病害進(jìn)行檢測(cè)［5］；Di等建立了基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)的蘋果葉部病害檢測(cè)方法［6］；Tian等基于YOLOv3深度學(xué)習(xí)方法對(duì)果園蘋果病斑進(jìn)行檢測(cè)［7-8］；Li等利用YOLOv5對(duì)蘋果早期葉部病害在移動(dòng)終端進(jìn)行識(shí)別［9］；Wang等通過改進(jìn)YOLOv5對(duì)蘋果病害的精度和檢測(cè)速度來提高識(shí)別率［10-12］；晁曉菲等基于輕量級(jí)改進(jìn)的YOLO對(duì)蘋果葉部病害進(jìn)行檢測(cè)［13-14］；在輕量級(jí)檢測(cè)上Polder等在深度學(xué)習(xí)上利用智能相機(jī)進(jìn)行蘋果和葡萄的早期病害檢測(cè)［15］；Liu等基于深度卷積神經(jīng)網(wǎng)絡(luò)對(duì)蘋果葉部病害進(jìn)行識(shí)別［16］。雖然上述算法對(duì)蘋果病害的檢測(cè)過程做了一定優(yōu)化，但是在檢測(cè)能力方面仍舊存在不足，例如檢測(cè)速度較慢、檢測(cè)條件要求較高等問題。在基準(zhǔn)模型YOLOv5的基礎(chǔ)上，本研究提出一種基于YOLOv5的目標(biāo)檢測(cè)算法——BCE-YOLOv5。針對(duì)蘋果葉片的病害檢測(cè)任務(wù)，為了提高對(duì)蘋果葉片病害檢測(cè)精度和檢測(cè)速率，以當(dāng)前發(fā)現(xiàn)較嚴(yán)重的病害（斑葉病、灰斑病、鐵銹?。檠芯繉?duì)象。

1 YOLOv5算法簡(jiǎn)述

YOLOv5結(jié)構(gòu)由4個(gè)部分組成，分別為輸入端、骨干網(wǎng)絡(luò)部分、多尺度特征融合部分、預(yù)測(cè)端，其網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

在輸入端，YOLOv5可以通過Mosaic、自適應(yīng)錨框算法、自適應(yīng)圖像壓縮等信號(hào)增強(qiáng)手段，對(duì)輸入信號(hào)進(jìn)行預(yù)處理。Mosaic數(shù)據(jù)增強(qiáng)技術(shù)通過對(duì)多張數(shù)據(jù)以隨機(jī)壓縮、隨機(jī)編輯、隨機(jī)排布等的方法重新拼接到一起，使之進(jìn)一步豐富了數(shù)據(jù)的樣本，同時(shí)提高了系統(tǒng)的泛化性能。YOLOv5默認(rèn)使用3個(gè)錨框?qū)?yīng)檢測(cè)不同大小的目，其錨框的參數(shù)范圍為［10，13，16，30，33，23］［30，61，62，45，59，119］［116，90，156，198，373，326］分別對(duì)應(yīng)尺度為80×80、40×40、20×20的特征圖，自適應(yīng)錨框是預(yù)測(cè)框值與實(shí)際框值之差，并利用數(shù)據(jù)迭代方法獲得最佳的錨框值。而自適應(yīng)圖像壓縮則是將數(shù)據(jù)集中在各個(gè)尺寸的特征圖像，統(tǒng)一縮至相應(yīng)的尺寸。

骨干網(wǎng)絡(luò)（Backbone）由切片結(jié)構(gòu)Focus、卷積模塊CBS、瓶頸層CSP（cross stage partial network）模塊以及空間金字塔池化（spatial pyramid pooling，SPP）組成。Focus模塊采用隔列切片操作，把高分辨率特征圖拆分成多個(gè)低分辨率的特征圖，然后再拼接在一起。CBS基本模塊由Conv2d+Batch Normalization+SiLu組成。CSP殘差結(jié)構(gòu)可以增加深層網(wǎng)絡(luò)中層間反向傳播的梯度值，避免了深層網(wǎng)絡(luò)導(dǎo)致的梯度消失，加快了推理速度。SPP模塊采用一個(gè)卷積層和3個(gè)多尺度最大池化進(jìn)行多尺度融合。

多尺度特征融合（Neck）主要使用自上而下增強(qiáng)語義特征提取的特征金字塔網(wǎng)絡(luò)（feature pyramid networks，F(xiàn)PN）結(jié)構(gòu)，使用自底向上增強(qiáng)定位特征的路徑聚合網(wǎng)絡(luò)（path aggregation network，PAN）結(jié)構(gòu)，實(shí)現(xiàn)不同尺寸目標(biāo)特征信息的融合，解決了多尺度問題。

預(yù)測(cè)端頭部網(wǎng)絡(luò)（Head）采用3種損失函數(shù)分別計(jì)算分類、定位和置信度損失，通過非極大抑制（non maximum suppression，NMS）去除檢測(cè)框重疊并提高多目標(biāo)的檢測(cè)能力。

2 YOLOv5算法改進(jìn)

2.1 改進(jìn)策略

植物葉片病蟲害檢測(cè)任務(wù)中容易存在背景干擾，待檢測(cè)病斑被遮擋、尺寸小等問題。本研究在YOLOv5模型的基礎(chǔ)上提出4點(diǎn)改進(jìn)，首先改進(jìn)骨干網(wǎng)絡(luò)Backbone部分，使用改進(jìn)后的SPPF替換原有的SPP層，并用BoTNet［17］結(jié)構(gòu)替換相應(yīng)的CSP結(jié)構(gòu)，增加有效信息與位置感知關(guān)聯(lián)。再引入改進(jìn)的卷積塊注意力模塊（convolution block attention module，CBAM）提高了神經(jīng)網(wǎng)絡(luò)識(shí)別特征區(qū)域的能力，并選擇有效的位置添加到 YOLOv5 網(wǎng)絡(luò)中，使模型更加精準(zhǔn)地定位和識(shí)別感興趣的目標(biāo)特征。再次用ConvNeXt［18-19］結(jié)構(gòu)對(duì)Neck中的特征金字塔部分的CSPLayer層進(jìn)行改進(jìn)，增加對(duì)語義特征的提取能力，提高特征提取的精準(zhǔn)度；最后在預(yù)測(cè)部分改進(jìn)損失函數(shù)，用α-IoU替換現(xiàn)有的IoU損失計(jì)算方式。本研究改進(jìn)的網(wǎng)絡(luò)模型BCE-YOLOv5的結(jié)構(gòu)如圖2所示。

2.2 SPP結(jié)構(gòu)替換

空間金字塔池化能將任意大小的圖片轉(zhuǎn)換成網(wǎng)絡(luò)需要的固定大小特征向量，減少對(duì)候選區(qū)域的重復(fù)卷積計(jì)算，減少計(jì)算冗余。SPP的結(jié)構(gòu)首先經(jīng)過一個(gè)卷積再分別經(jīng)過3個(gè)不同大小的最大池化后再做拼接，最后再經(jīng)過一個(gè)卷積，這能夠在一定程度上解決目標(biāo)多尺度的問題。其結(jié)構(gòu)如圖3所示。

通過把SPP換成了SPPF，其作用是一樣的，但后者效率更高。SPP需要指定3個(gè)最大池化（maxpool），池化核大小分別為5×5、9×9、13×13，而SPPF只需要指定3個(gè)大小為5×5的maxpool。

在結(jié)構(gòu)上串行2個(gè)5×5大小的maxpool層和一個(gè) 9×9 大小的maxpool層計(jì)算結(jié)果是一樣的，同樣的串行3個(gè)maxpool層和一個(gè)13×13大小的maxpool層計(jì)算結(jié)果是一樣的。但是SPPF在計(jì)算量上要比SPP小，并且效率上比SPP要更快。其結(jié)構(gòu)如圖4所示。

2.3 BoTNet結(jié)構(gòu)

BotNet結(jié)構(gòu)是一種基于Transformer的網(wǎng)絡(luò)結(jié)構(gòu)，它利用了卷積和自注意力的混合網(wǎng)絡(luò)，以提升模型的性能，BotNet如圖5所示。通過結(jié)合CNN+Transformer［20-21］的組合方式提出一種Bottleneck Transformer來代替ResNet Bottleneck，即僅在ResNet框架的最后3個(gè)bottleneck blocks中使用全局多頭自注意力（multi-head selfattention，MHSA）替換3×3空間卷積。

MHSA層利用全局注意力對(duì)特征圖中的信息進(jìn)行捕獲，增加全局特征之間的聯(lián)系，可以有效地處理大圖像，通過卷積進(jìn)行空間下采樣，讓注意力能在小分辨率圖像上獲取特征信息。在MHSA模塊中對(duì)Q（查詢向量）、K（鍵向量）、V（值向量）進(jìn)行自注意力變換，對(duì)過程重復(fù)h次（h為MHSA的頭數(shù)）的結(jié)果進(jìn)行拼接，最后進(jìn)行線性變換得到MHSA模塊的最終輸出。

在YOLOv5的整體改進(jìn)中，在最后一個(gè)階段中的3個(gè)BottleNeck使用了MHSA模塊，因?yàn)樽宰⒁饬C(jī)制在訓(xùn)練過程中需要消耗巨大的計(jì)算量，而在Backbone的最后CSP模塊加入的時(shí)候特征圖的大小較小，從而可以使得整個(gè)網(wǎng)絡(luò)的計(jì)算量減少。

2.4 注意力機(jī)制

在輸入的病蟲害葉片圖像中，除了葉片的病斑，經(jīng)常還伴有噪音，隨著卷積的深度增加會(huì)產(chǎn)生大量的冗余信息，從而丟失部分有用信息，導(dǎo)致目標(biāo)檢測(cè)精度降低。為此，本研究提出了一種改進(jìn)的CBAM［22］，并選擇有效的網(wǎng)絡(luò)位置添加到Y(jié)OLOv5網(wǎng)絡(luò)中，這使得網(wǎng)絡(luò)能夠更準(zhǔn)確地定位和識(shí)別感興趣的區(qū)域。

CBAM 是一種即插即用并且使用方便的注意力機(jī)制，其由通道域和空間域組成。通道域關(guān)注不同通道上特征點(diǎn)的權(quán)重，利用權(quán)重對(duì)不同通道進(jìn)行乘法運(yùn)算，以增強(qiáng)網(wǎng)絡(luò)對(duì)關(guān)鍵通道域的注意力。首先，特征圖進(jìn)入通道域，然后在寬度和高度上進(jìn)行全局最大池化（global max pooling，GAP）和全局平均池化（global average pooling，GMP），并使用多層感知器（multi-layer perception，MLP）計(jì)算不同通道的注意力權(quán)重，接下來使用 Sigmoid 函數(shù)對(duì)這些權(quán)重進(jìn)行歸一化處理，最后通過每個(gè)通道的權(quán)重乘以原始輸入特征圖，以獲得更準(zhǔn)確的結(jié)果。

具體公式如下所示。

在公式（1）中，F(xiàn)cavg和Fcmax分別表示平均池化和最大池化后的特征圖，σ是 Sigmoid 激活函數(shù)，W1和W2表示2層全連接層的權(quán)重。

根據(jù)公式（1）得到的感興趣的通道特征Mc與原始圖像特征相乘，并送至空間域模塊?？臻g域模塊關(guān)注的是目標(biāo)特征在圖像上的位置信息，并將空間特征做對(duì)應(yīng)的變換，從而將關(guān)鍵信息提取出來。通道注意特征Mc與原圖像特征F相乘，得到一個(gè)新的特征圖Fs，公式如下所示。

空間域經(jīng)過全局最大池化和全局平均池化，得到新的特征圖Fs的寬度和高度，使特征維度從H×W轉(zhuǎn)化為1×1，然后通過卷積核進(jìn)行7×7卷積，再通過Sigmoid激活函數(shù)進(jìn)行歸一化，最后與通道注意力輸出特征圖進(jìn)行合并，公式如下所示。

在公式（3）中，f7×7表示7×7的卷積層。

通過公式（2）的Fs和公式（3）的Ms做乘積運(yùn)算，再與原圖像特征圖F相加，經(jīng)過ReLU激活函數(shù)，得到特征圖MF，公式如下所示。

式中：表示特征合并操作；表示逐元素相乘；σ表示激活函數(shù)。

上述CBAM中的通道域采用全連接層，壓縮通道特征的空間維度以降低模型的復(fù)雜性，通道特征被映射到一個(gè)較低維度的空間并再次映射。在降維中不可避免地導(dǎo)致一些通道域的感興趣區(qū)域信息丟失，對(duì)于復(fù)雜的特征圖，不可能獲得完整的特征信息。因此，為了減少上述通道域感興趣信息的丟失，以及提高病變識(shí)別網(wǎng)絡(luò)檢測(cè)的準(zhǔn)確性，本研究引入改進(jìn)的CBAM，其中原通道域使用改進(jìn)通道注意力網(wǎng)絡(luò)（efficient channel attention network，ECA-Net）進(jìn)行替換，保留原空間域。

ECA-Net［23-24］模塊使用一種不降維的局部跨通道交互策略，有效避免了降維對(duì)于通道注意力學(xué)習(xí)效果的影響。對(duì)每個(gè)特征圖求均值，從一個(gè)H×W×C變成1×1×C，通過大小為K的一維卷積來有效實(shí)現(xiàn)，其中卷積核大小為K代表了局部跨信道交互的覆蓋率。通過公式調(diào)整K值大小，公式如下所示。

在公式（5）中：C表示通道數(shù)；b設(shè)置為1；γ設(shè)置為2；｜t｜odd表示t的最接近奇數(shù)。

本研究通過把ECA-Net模塊里面原圖像特征圖與經(jīng)過Sigmoid函數(shù)處理的特征圖的乘積處理去掉，得到新的ECA-Net應(yīng)用于CBAM中的通道域，改進(jìn)后的CBAM［25］結(jié)構(gòu)圖如圖6所示。

2.5 ConvNeXt結(jié)構(gòu)

ConvNeXt結(jié)構(gòu)于2022年被提出，該網(wǎng)絡(luò)結(jié)合了近年來卷積神經(jīng)網(wǎng)絡(luò)方面提出的各項(xiàng)主要改進(jìn)，并將其融合［18］。ConvNeXt網(wǎng)絡(luò)結(jié)構(gòu)如圖7所示，卷積塊的輸入數(shù)據(jù)為通道數(shù)維度（dim）的特征圖。首先經(jīng)過卷積塊大小為7×7的深度卷積層，隨后通過LN層進(jìn)行歸一化后再經(jīng)過卷積塊大小為 1×1 的卷積層，得到通道數(shù)變?yōu)樵斎胪ǖ赖?倍。再經(jīng)過GELU激活函數(shù)賦予非線性，在此之后經(jīng)過卷積塊大小為1×1輸出通道變回原來的維度。最后輸入數(shù)據(jù)和輸出數(shù)據(jù)通過一個(gè)殘差連接進(jìn)行拼接，得到最終的結(jié)果。

在深度卷積神經(jīng)網(wǎng)絡(luò)中，圖像的語義信息得到了增強(qiáng)，但隨著圖像的不斷卷積，詳細(xì)的特征被減少。相反，淺層的圖像細(xì)節(jié)表現(xiàn)能力強(qiáng)，但是語義信息表達(dá)較弱。YOLOv5 采用的特征金字塔結(jié)構(gòu)來進(jìn)行特征融合，F(xiàn)PN 結(jié)構(gòu)是自頂向下傳遞高層圖像的語義信息，但是在傳遞過程中會(huì)丟失位置細(xì)節(jié)信息。為使網(wǎng)絡(luò)更加適合不同大小的病斑檢測(cè)，在網(wǎng)絡(luò)Neck部分原有的CSP結(jié)構(gòu)上進(jìn)行改進(jìn)，替換CSPLayer層并使用ConvNeXt層。

2.6 改進(jìn)損失函數(shù)

傳統(tǒng)的YOLOv5采用LossGIoU作為回歸損失的損失函數(shù)，當(dāng)實(shí)際框與預(yù)測(cè)框水平或豎直重合或2個(gè)框?yàn)榘P(guān)系時(shí)，此時(shí)GIoU值相同，無法區(qū)分相對(duì)位置關(guān)系，從而LossGIoU退化成LossIoU，而LossIoU不能解決實(shí)際框與預(yù)測(cè)框不重合的問題。

為了解決這個(gè)問題，本研究引入Lossα-IoU用于改進(jìn)原損失函數(shù)［26］，Lossα-IoU在保留原損失函數(shù)的性質(zhì)時(shí)，同時(shí)可以更好地關(guān)注目標(biāo)，提高了檢測(cè)框回歸的準(zhǔn)確性。Lossα-IoU在原有的LossIoU上加上一個(gè)冪指數(shù)，以α為冪，其公式如下所示。

在不增加額外的參數(shù)和訓(xùn)練時(shí)間下，通過對(duì) α-IoU 中的參數(shù)α進(jìn)行調(diào)制，可以很容易地?cái)U(kuò)展到更復(fù)雜的具有多個(gè)IoU或懲罰項(xiàng)的損失函數(shù)。

本研究采用效果較好的LossCIoU改進(jìn)為L(zhǎng)ossα-CIoU，其公式如下所示。

公式（7）中：b、bgt分別表示預(yù)測(cè)框和真實(shí)框的中心線距離；ρ２α代表的是在2個(gè)中心點(diǎn)之間的歐式間隔；c是能容納預(yù)測(cè)框和真實(shí)框的最小封閉區(qū)間的對(duì)角線長(zhǎng)度；表示目標(biāo)框的寬高比；表示預(yù)測(cè)框各自的寬高比。

3 試驗(yàn)與分析

3.1 試驗(yàn)數(shù)據(jù)集

蘋果葉部病蟲害收集了云南省昭通市邵陽(yáng)區(qū)守望鄉(xiāng)蘋果種植和百度飛漿公開數(shù)據(jù)集共5 106張圖片，共分為3類常見病害：斑點(diǎn)落葉?。╝lternaria boltch）、灰斑?。╣rey_spot）、銹?。╮ust）作為試驗(yàn)數(shù)據(jù)集，圖8是部分?jǐn)?shù)據(jù)集圖像，其中有較大的病斑圖像，有較小的病斑，還有陰影的病斑。

3.2 預(yù)訓(xùn)練

本研究訓(xùn)練使用的操作系統(tǒng)為Windows 10，CPU 型號(hào)為AMD Ryzen7 5800H，GPU型號(hào)為RTX 3060，深度學(xué)習(xí)框架為Pytorch 1.10.0以及CUDA 11.4版本框架。由于試驗(yàn)數(shù)據(jù)的樣本數(shù)量不多，因此在訓(xùn)練過程中采用遷移學(xué)習(xí)策略來解決數(shù)據(jù)匱乏的問題，利用YOLOv5官方提供的預(yù)訓(xùn)練權(quán)重作為訓(xùn)練初始化參數(shù)。

3.3 評(píng)價(jià)標(biāo)準(zhǔn)

在目標(biāo)檢測(cè)領(lǐng)域，評(píng)價(jià)網(wǎng)絡(luò)性能的指標(biāo)是平均精準(zhǔn)率均值（mean average precision，mAP）、模型大小以及計(jì)算量（GFLOPS）。mAP評(píng)價(jià)指標(biāo)是對(duì)精準(zhǔn)率（precision，P）、召回率（recall，R）的綜合考量，可以評(píng)估模型的有效性。

精準(zhǔn)率是指正確被預(yù)測(cè)為某類病斑目標(biāo)占全部預(yù)測(cè)為該類正確病斑目標(biāo)的比例，召回率是指正確被預(yù)測(cè)為某類病斑目標(biāo)占實(shí)際上全部為該類病斑目標(biāo)的比例。

模型大小能夠表明模型對(duì)硬件內(nèi)存的需求，對(duì)于外界復(fù)雜環(huán)境且硬件設(shè)備受限的情況下則需要輕量級(jí)模型；計(jì)算量反映了模型對(duì)硬件設(shè)備的計(jì)算單元的要求，同樣對(duì)于硬件設(shè)備受限的情況下，計(jì)算量越小越好。

3.4 結(jié)果與對(duì)比

為了直觀地體現(xiàn)改進(jìn)后的YOLOv5算法的有效性，如圖9所示，通過對(duì)比4組圖片，分別使用傳統(tǒng)的YOLOv5s和本研究改進(jìn)的BCE-YOLOv5算法對(duì)測(cè)試圖片進(jìn)行檢測(cè)，從對(duì)比圖可以看出傳統(tǒng)的YOLOv5檢測(cè)的精度普遍較低，而改進(jìn)后的YOLOv5檢測(cè)精度有所提升。通過第3組對(duì)比圖片可以看出，傳統(tǒng)的YOLOv5存在漏檢，而改進(jìn)后的算法對(duì)葉片灰斑病細(xì)節(jié)更加注重，改善了對(duì)背景模糊的漏檢。通過第4組對(duì)比圖片可知，在大圖片小目標(biāo)葉片背景下病斑難以區(qū)分的情況下，傳統(tǒng)的YOLOv5存在錯(cuò)檢，而改進(jìn)后的算法具有較好的識(shí)別能力。

3.5 消融試驗(yàn)

為了檢驗(yàn)本研究中改進(jìn)后的CBAM是否對(duì)訓(xùn)練有效，試驗(yàn)在YOLOv5頸部網(wǎng)絡(luò)Neck后分別引入原始ECA注意力模塊、原始CBAM以及改進(jìn)后的CBAM，本研究將改進(jìn)的CBAM表示為ECBAM。其試驗(yàn)對(duì)比結(jié)果如表1所示，在YOLOv5傳統(tǒng)算法的相同位置上引入注意力機(jī)制其mAP均有提升，其中ECA和CBAM注意力模塊分別貢獻(xiàn)了0.2百分點(diǎn)和1.6百分點(diǎn)的提升，而ECBAM提升了1.8百分點(diǎn)。這表明改進(jìn)后的ECBAM在通道域上不壓縮感興趣特征，而是對(duì)通道域進(jìn)行全局池化然后再進(jìn)行一維卷積，從而有效避免降維帶來的通道特征丟失，提高ECBAM在聚合網(wǎng)絡(luò)中的整體能力。結(jié)果顯示，改進(jìn)后的ECBAM能夠有效提升網(wǎng)絡(luò)性能。

為了驗(yàn)證本研究提出的改進(jìn)模型的有效性，在訓(xùn)練參數(shù)和數(shù)據(jù)集相同的情況下對(duì)改進(jìn)的YOLOv5網(wǎng)絡(luò)進(jìn)行對(duì)比試驗(yàn)，結(jié)果如表2所示，表中Backbone改進(jìn)、Neck改進(jìn)、CBAM改進(jìn)分別表示在傳統(tǒng)YOLOv5網(wǎng)絡(luò)中加入改進(jìn)方案。由表2可以分析得到，首先采用改進(jìn)的Backbone后為模型提升了1.4百分點(diǎn)，這使得模型檢測(cè)的準(zhǔn)確性更高，并在一定程度上緩解了由于背景復(fù)雜的模糊圖像造成的漏檢或誤檢問題；其次，加入CBAM后，模型比基準(zhǔn)mAP提升了2.5百分點(diǎn)，說明添加CBAM模塊可以使網(wǎng)絡(luò)更加注意病斑，使得整個(gè)模型的性能提升；再在原CBAM基礎(chǔ)之上加以改進(jìn)，得到新的注意力機(jī)制ECBAM，在模型中加入ECBAM后獲得比原CBAM提升了0.4百分點(diǎn)，由此可以看出改進(jìn)后的注意力機(jī)制較原注意力機(jī)制更能注重小目標(biāo)；使用上述改進(jìn)方法最終為模型的mAP比基線模型性能提高了2.9百分點(diǎn)的增益，證明了3種改進(jìn)方法的有效性。

同時(shí)，圖10清楚地顯示了YOLOv5的學(xué)習(xí)過程中損失曲線在改進(jìn)前后的變化。其中α-CIoU損失曲線在GIoU損失曲線的下方，說明α-CIoU損失值更低，同時(shí)在出現(xiàn)拐點(diǎn)之后α-CIoU損失值在10個(gè)Epoch后趨于平穩(wěn)，而GIoU損失曲線在85個(gè) Epoch后和α-CIoU曲線基本重合，說明α-CIoU損失在整個(gè)訓(xùn)練過程中網(wǎng)絡(luò)可以更快、更平穩(wěn)地收斂。

3.6 對(duì)比試驗(yàn)

對(duì)比本研究BCE-YOLOv5目標(biāo)檢測(cè)算法相比其他算法的優(yōu)越性，本研究與各種先進(jìn)的目標(biāo)檢測(cè)算法（YOLOv4s［27］ 、YOLOxs［28］、YOLOv6s［29］、YOLOv7s［30］）進(jìn)行對(duì)比試驗(yàn)。由表3可以看出，改進(jìn)后的YOLOv5s算法在檢測(cè)精度上達(dá)到92.1%，優(yōu)于其他算法，比YOLOv4s、YOLOxs、YOLOv6s和YOLOv7s分別高出2.5、3.5、1.3、2.2百分點(diǎn)；BCE-YOLOv5模型大小分別比其低230.5、58.3、24.6、61.3 M；在計(jì)算量上BCE-YOLOv5相比YOLOv5s、YOLOxs、YOLOv6s和YOLOv7s算法分別低0.9、29.0、11.7、88.3 GFLOPs。本研究改進(jìn)的BCE-YOLOv5算法在模型大小、檢測(cè)精度及計(jì)算量上均優(yōu)于其他類算法，證明其改進(jìn)算法的有效性。說明本研究的 BCE-YOLOv5 算法適合后續(xù)在邊緣設(shè)備部署。

4 結(jié)論

針對(duì)蘋果葉部病蟲害檢測(cè)的識(shí)別任務(wù)，本研究提出一種基于YOLOv5改進(jìn)模型的蘋果葉檢測(cè)方法。首先將BotNet和ConvNeXt分別與原始YOLOv5的骨干網(wǎng)絡(luò)和特征融合網(wǎng)絡(luò)融合，利用Transformer的上下文理解能力，提高網(wǎng)絡(luò)對(duì)圖像特征的識(shí)別；其次使用CBAM注意力機(jī)制引入到Y(jié)OLOv5多尺度特征融合模塊之后，能夠有效的提升對(duì)目標(biāo)的檢測(cè)精度；最后使用α-IoU損失函數(shù)代替原來的損失函數(shù)，使網(wǎng)絡(luò)可以更快、更平穩(wěn)地收斂，并改善了復(fù)雜圖像的漏檢和小目標(biāo)識(shí)別效果差的問題。在消融試驗(yàn)對(duì)比中，本研究改進(jìn)的 BCE-YOLOv5 與原 YOLOv5相比，其mAP提高了2.9百分點(diǎn)，具有較高的精準(zhǔn)率。本研究改進(jìn)的BCE-YOLOv5網(wǎng)絡(luò)模型具有檢測(cè)速度快、檢測(cè)準(zhǔn)確率高、計(jì)算量和模型小等特點(diǎn)。

為了達(dá)到推廣應(yīng)用的效果，今后還需開展以下研究：（1）加大對(duì)蘋果葉部病害分類的研究；（2）進(jìn)一步擴(kuò)充數(shù)據(jù)，增加病害數(shù)據(jù)以及種類；（3）進(jìn)一步優(yōu)化模型，提高模型的訓(xùn)練效果在復(fù)雜背景下的識(shí)別水平；（4）研究在不同階段對(duì)蘋果葉部病害的識(shí)別能力，從而提高模型的泛化能力。

參考文獻(xiàn)：

［1］劉 斌，賈潤(rùn)昌，朱先語，等. 面向移動(dòng)端的蘋果葉部病蟲害輕量級(jí)識(shí)別模型［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38（6）：130-139.

［2］龍滿生，歐陽(yáng)春娟，劉 歡，等. 基于卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)的油茶病害圖像識(shí)別［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2018，34（18）：194-201.

［3］于洪濤，袁明新，王 琪，等. 基于VGG-F動(dòng)態(tài)學(xué)習(xí)模型的蘋果病蟲害識(shí)別［J］. 科學(xué)技術(shù)與工程，2019，19（32）：249-253.

［4］王云露，吳杰芳，蘭 鵬，等. 基于改進(jìn)Faster R-CNN的蘋果葉部病害識(shí)別方法［J］. 林業(yè)工程學(xué)報(bào)，2022，7（1）：153-159.

［5］田靚靚. 基于SSD網(wǎng)絡(luò)的蘋果葉片病害檢測(cè)方法研究［D］. 楊凌：西北農(nóng)林科技大學(xué)，2022.

［6］Di J，Li Q. A method of detecting apple leaf diseases based on improved convolutional neural network［J］. PLoS One，2022，17（2）：e0262629.

［7］Tian Y，Yang G，Wang Z，et al. Detection of apple lesions in orchards based on deep learning methods of cyclegan and yolov3-dense［J］. Journal of Sensors，2019，2019.

［8］Mathew M P，Mahesh T Y. Determining the region of apple leaf affected by disease using YOLO V3［C］//2021 International Conference on Communication，Control and Information Sciences （ICCISc）. IduKKi，India，2021：1-4.

［9］Li J，Zhu X，Jia R，et al. Apple-YOLO：a novel mobile terminal detector based on YOLOv5 for early apple leaf diseases［C］//2022 IEEE 46th Annual Computers，Software，and Applications Conference （COMPSAC）. Los Alamitos，CA，USA，2022：352-361.

［10］Wang Y L，Sun F G，Wang Z J，et al. Apple leaf disease identification method based on improved YoloV5［M］//Sun J D，Wang Y，Huo M Y，et al. Signal and information processing，networking and computers. Singapore：Springer，2023：1246-1252.

［11］Kuznetsova A，Maleva T，Soloviev V. YOLOv5 versus YOLOv3 for apple detection［M］//Kravets A G，Bolshakov A A，Shcherbakov M.Cyber-physical systems：modelling and intelligent control. Cham：Springer，2021：349-358.

［12］Chen Z，Wu R，Lin Y，et al. Plant disease recognition model based on improved YOLOv5［J］. Agronomy，2022，12（2）：365.

［13］晁曉菲，池敬柯，張繼偉，等. 基于PSA-YOLO網(wǎng)絡(luò)的蘋果葉片病斑檢測(cè)［J］. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（8）：329-336.

［14］邸 潔，曲建華.基于Tiny-YOLO的蘋果葉部病害檢測(cè)［J］. 山東師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2020，35（1）：78-83.

［15］Polder G，Blok P M，van Daalen J T，et al. Early disease detection in apple and grape using deep learning on a smart-camera［C］//Proceedings of the European Conference on Agricultural Engineering. EurAgEng，Cranfield，2021：51-56.

［16］Liu B，Zhang Y，He D J，et al. Identification of apple leaf diseases based on deep convolutional neural networks［J］. Symmetry，2017，10（1）：11.

［17］Srinivas A，Lin T Y，Parmar N，et al. Bottleneck transformers for visual recognition［C］//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. Kuala Lumpur，2021：16519-16529.

［18］Liu Z，Mao H Z，Wu C Y，et al. A convnet for the 2020s［C］//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. New Orleans，2022：11976-11986.

［19］黃文博，黃鈺翔，姚 遠(yuǎn)，等. 融合注意力的ConvNeXt視網(wǎng)膜病變自動(dòng)分級(jí)［J］. 光學(xué)精密工程，2022，30（17）：2147-2154.

［20］Zhang Z，Lu X，Cao G，et al. ViT-YOLO：Transformer-based YOLO for object detection［C］//Proceedings of the IEEE/CVF International Conference on Computer Vision. 2021：2799-2808.

［21］Liu Y，He G，Wang Z，et al. NRT-YOLO：Improved YOLOv5 based on nested residual transformer for tiny remote sensing object detection［J］. Sensors，2022，22（13）：4953.

［22］Woo S，Park J，Lee J Y，et al. Cbam：Convolutional block attention module［C］//Proceedings of the European Conference on Computer Vision （ECCV）. Munich，2018：3-19.

［23］Wang Q L，Wu B G，Zhu P F，et al. Eca-net：Efficient channel attention for deep convolutional neural networks［C］//2020 IEEE Conference on Computer Vision and Pattern Recognition. Seattle，2020.

［24］Wang Q，Wu B，Zhu P，et al. Supplementary material for ‘ECA-Net：efficient channel attention for deep convolutional neural networks［C］//Proceedings of the 2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition，IEEE，Seattle，WA，USA. 2020：13-19.

［25］Li X，Xia H，Lu L. ECA-CBAM：Classification of diabetic retinopathy：classification of diabetic retinopathy by cross-combined attention mechanism［C］//2022 the 6th International Conference on Innovation in Artificial Intelligence （ICIAI）. 2022：78-82.

［26］He J B，Erfani S M，Ma X J，et al. Alpha -IoU：a family of power intersection over union losses for bounding box regression［J］. Advances in Neural Information Processing Systems，2021，34：20230-20242.

［27］Bochkovskiy A，Wang C Y，Liao H Y M. Yolov4：Optimal speed and accuracy of object detection［EB/OL］. ［2022-12-12］.https：//arxiv.org/abs/2004.10934.

［28］Ge Z，Liu S T，Wang F，et al. Yolox：Exceeding yolo series in 2021［EB/OL］. ［2022-12-12］. https：//arxiv.org/abs/2107.08430.

［29］Li C，Li L，Jiang H，et al. YOLOv6：A single-stage object detection framework for industrial applications［EB/OL］. ［2022-12-12］.https：//https：//arxiv.org/abs/2209.02976.

［30］Wang C Y，Bochkovskiy A，Liao H Y M. YOLOv7：Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors［EB/OL］. ［2022-12-12］. http：//arXiv.ORG/ABS/2207.02696.