苹果叶片病害检测的轻量化YOLOv5研究与实现.pdfVIP

第46卷第4期中国农机化学报Vol.46No.4

2025年4月JournalofChineseAgriculturalMechanizationApr.2025

DOI：10.13733/j.jcam.issn.2095‑5553.2025.04.019

周俊昌，曾维，彭鹏，等.苹果叶片病害检测的轻量化YOLOv5研究与实现［J］.中国农机化学报，2025，46（4）：126-132

ZhouJunchang，ZengWei，PengPeng，etal.ResearchandimplementationofalightweightYOLOv5forappleleafdiseasedetection［J］.Journalof

ChineseAgriculturalMechanization，2025，46（4）：126-132

苹果叶片病害检测的轻量化YOLOv5研究与实现∗

11，21，2111

周俊昌，曾维，彭鹏，庞记成，刘军军，杨熙临

（1.成都理工大学计算机与网络安全学院，成都市，610059；

2.四川省工业互联网智能监测及应用工程技术研究中心，成都市，610059）

摘要：随着农业智能化水平不断提升，苹果叶片病害自动化检测十分必要，而现有的自动化检测模型由于网络结构复杂，

难以在移动端进行部署。基于此，构建一种YOLOv5—SCFG轻量模型。首先，引入轻量型网络ShuffleNetv2重新构建

YOLOv5骨干网络，保证网络整体轻量化；然后，在颈部网络引入CARAFE上采样算子和FasterNet模块，增强特征提取

能力，加快特征融合速度；最后，添加全局注意力机制GAM，弥补网络轻量化带来的精度损失。结果表明，YOLOv5—

SCFG模型权重大小为6.2MB，平均精度均值mAP为85.9%，计算量FLOPs为6.3G。相比于YOLOv5s，模型权重

大小减少57%，mAP下降0.2%，FLOPs减小61%。

关键词：苹果叶片；轻量化模型；病害检测；YOLOv5s

中图分类号：S436.611；TP391.4文献标识码：A文章编号：2095‑5553（2025）04‑0126‑07

ResearchandimplementationofalightweightYOLOv5forappleleafdiseasedetection

11，21，2111

ZhouJunchang，ZengWei，PengPeng，PangJicheng，LiuJunjun，YangXilin

（1.CollegeofComputerScienceandCyberSecurity，ChengduUniversityofTechnology，Chengdu，61