基于注意力机制与YOLOv5s的轻量化农作物害虫检测方法

为解决在自然环境中人工检测害虫精度低、速度慢的问题，提出了一种基于注意力机制与YOLOv5s的轻量化目标检测算法．首先，使用Ghost卷积替换YOLOv5s中的普通卷积，得到轻量化的主干特征提取网络．其次，在YOLOv5s中加入加权双向特征融合机制，从而实现高效的双向交叉连接和多尺度特征融合．最后，在主干网络中加入坐标注意力机制，从而增强网络模型对位置信息的关注．与原YOLOv5s算法相比，新算法在IP102农作物害虫检测数据集上的平均精度均值提升了2.1%，模型参数量和计算量分别减少了44.6%和44.3%，检测速度为64.8FPs．实验结果表明，基于注意力机制与YOLOv5s的轻量化目标检测算法不仅提升了农作物害虫检测精度，而且显著降低了模型参数量和计算量，能够满足农作物害虫检测的应用需求．