基于改进YOLOv5s的咖啡叶病虫害识别方法

刘金涛,李双,李佳骏,蔺瑶,曾晏林,贺壹婷,杨毅

基于改进YOLOv5s的咖啡叶病虫害识别方法

刘金涛,李双,李佳骏,蔺瑶,曾晏林,贺壹婷,杨毅*

云南农业大学大数据学院, 云南 昆明 650201

为了提高咖啡的质量和产量，实现咖啡叶病虫害高效精准检测，本文提出了一种基于改进YOLOv5s的咖啡叶病虫害识别方法。利用CARAFE上采样模块替换原始模型中的上采样模块，减少上采样过程中特征信息的损失，提升特征金字塔网络性能；在检测头前端引入GAM全局注意力机制，提取空间和通道不同维度的交互信息，增强病虫害的识别能力；用高效解耦头（Decoupled Head）替换原始耦合头区分回归和分类，加快模型收敛和提高检测精度；结果显示，改进后的模型准确率、召回率和平均精度均值分别为91.6%、86.0%、91.4%；比原始YOLOv5s平均精度均值提升了2.9%，精确度和召回率分别提升了3.1%、2.7%；与当前主流的Faster R-CNN、SSD、YOLOv4-tiny、YOLOX和YOLOv7等模型相比，平均精度均值分别提升了8.2%、20.2%、37.7%、5.9%、9.7%。本文的方法对咖啡叶病虫害检测具有较高的准确率，可以为咖啡叶病虫害检测提供参考和依据。

咖啡; 病虫害; YOLOv5s

咖啡树是一种经济价值极高的热带经济作物和饮料作物，位居世界三大饮料作物之首[1,2]。21世纪以来，随着人们消费水平的提高，世界咖啡产业迅速发展，使得咖啡种植面积不断扩大。据黄家雄报道[3]，全球范围内共有76个国家和地区种植咖啡，总面积1190.0万hm2。然而，咖啡生长过程中会受地理环境、气候条件等因素的影响，面临着受各种害虫和疾病感染的问题，严重影响到咖啡的质量和产量。因此，准确高效地对咖啡叶病虫害进行识别和防治具有重要的实际应用价值。

近年来，深度学习的迅速发展促使基于计算机视觉的目标检测技术在农业工程领域广泛应用，其中基于计算机视觉技术对农作物病虫害进行检测已经成为国内外一个重要的研究热点[4-6]。国内外已有很多学者将Faster R-CNN[7]、SSD[8]、YOLO[9]系列等目标检测算法用于农作物病虫害检测，并开展了相关研究，例如，宋中山等[10]基于二值化的Faster R-CNN区域检测神经网络模型对柑橘黑斑病、黄龙病和溃疡病等叶片进行检测，总平均准确率为87.5%。胡凯等[11]在SSD的基础上用ResNet50网络替换原有的VGG16网络和引入一种轻量高效的特征融合模块，对广佛手病虫害检测，相较原始的SSD算法提升6.61%。徐会杰等[12]基于YOLOv3模型利用K-means++聚类算法和增加检测头，用于玉米叶片病虫害检测与识别，检测精度均值、召回率达到了93.31%和93.08%。王卫星等[13]集成了轻量化网络GhostNet模块、卷积Ghost Module和注意力机制CBAM模块，提出了YOLO v4-GCF网络模型，用于荔枝病虫害检测模型，在测试集上精度达到89.76%。孙丰刚等[14]利用YOLOv5s和迁移学习方法识别苹果果实病害，最终在GHTR2-YOLOv5s上准确率较原始模型提升了8.5%。Tassis LM[15]等提出一种集成框架，使用MaskR- CNN网络、UNet和PSPNet网络分别进行实例分割和语义分割的深度学习方法，从田间图像中识别咖啡叶病虫害，在实例分割任务中获得了73.90%的准确率。Dong YZ等[16]用旋转YOLO小麦检测(RYWD)网络和简单空间注意力(SSA)网络对小麦赤霉病检测，平均准确率达到94.66%。Kumar VS等[17]提出一种基于YOLOv5模型的双向特征注意力金字塔网络的水稻叶部病害检测，准确率达到了94.87%。LI SF等[18]基于YOLOv5算法提出MTC-YOLOv5n在自建的黄瓜病害数据集上进行了训练和验证，mAP值达到了84.9%。

以上研究提出了多种用于农作物病虫害检测的算法，在该领域取得了重要的突破。然而，目前很少有人专注于咖啡叶病虫害的目标检测方法的研究。本文针对现有目标检测模型在识别咖啡叶病虫害时存在精度较低等问题，提出一种基于改进YOLOv5s的咖啡叶病虫害检测方法。该方法将Neck层中上采样模块替换为CARAFE上采样，减少特征信息的损失；引入GAM无参注意力机制对病虫害特征信息更加关注；替换解耦头，将检测头中分类问题和回归任务分开计算，加快模型收敛速度，进一步提升咖啡叶病虫害检测的性能。

1 材料与方法

1.1 实验数据集

实验数据集采集地为云南农业大学热带作物学院咖啡种植基地，使用智能手机对咖啡叶病虫害进行多角度拍摄，采集了最为常见且受害最严重的五种病虫害图像，包括咖啡煤污病、锈病、受潜叶蛾危害、盔蚧和绿蚧。其中煤污病在受害叶片上形成黑色的煤状物；锈病为许多浅黄色水渍状小斑，病斑扩大后连成不规则形的大斑，病部变褐干枯；潜叶蛾以幼虫取食叶肉组织使叶片变为淡黄色，几天后连成1个大潜道；咖啡盔蚧为成虫，形似钢盔，黄褐至深褐色；绿蚧以成虫、幼虫呈浅绿色固定在叶背，尤以幼嫩部位受害较重。通过LabelImg标注软件对图像中病虫害特征信息进行人工标注，各类病虫害部分图像标注如图1所示。为保证模型训练效果和泛化能力，使用OpenCV工具对原始图像进行随机裁剪、旋转、颜色变换等处理，将图像数据集扩充到3500张，最后以8:2的比例划分为训练集和测试集。数据集分布如表1所示。

图 1 各类病虫害部分图像

表 1 各类病虫害图像分布

1.2 YOLOv5算法结构

YOLO序列算法是一种在目标检测中得到广泛应用的深层神经网络模型[8]。这一系列算法的核心思想是将目标检测任务分为两个关键部分：目标分类和位置确认。YOLOv5[19]（v6.2）根据配置网络的大小不同，一共有、、、和5个版本，其中，YOLOv5s模型在检测性能和权重文件大小五种版本中相对较为均衡的，同时也能够胜任常规场景下的检测任务，因此本文以YOLOv5s为基础网络进行适应咖啡叶病虫害识别应用的改进。

YOLOv5算法包括四个部分，其网络结构如图2所示。首先是输入端，主要对输入的数据进行处理和增强，包含了自适应图片缩放、自适应锚框计算和Mosaic图像增强。其次是主干网络(Backbone)部分，从输入图像中提取高级语义特征，以便更好地理解图像内容，包含了C3和SPPF结构，用于提取目标检测任务中所需的特征。然后是颈部网络(Neck)，主要由PANet[20]（Path Aggregation Network）组成，用于融合位置信息和语义信息，通过级联的方式将来自不同层级的特征图进行融合，以获取更全面和丰富的特征表示。最后是头部(Head)，使用一系列卷积和全连接层，对特征图中的目标进行准确的位置定位和类别预测。这些部分相互配合，使得YOLOv5具备了优秀的性能和精度，适用于多种实际应用场景。

图 2 YOLOv5s网络结构

1.3 改进的YOLOv5s网络

1.3.1 CARAFE上采样在YOLOv5中，加强特征融合网络采用最近邻插值上采样的方式进行上采样操作，这种上采样方式只是简单地按照位置对所有特征点进行平均上采样，忽略了周围特征点的影响，从而可能降低上采样后特征图的质量。为了解决最近邻插值存在的不足，提出了一种轻量级通用上采样算子CARAFE[21]（Content-Aware Reassembly of Features），用来替换最近邻插值并获得质量更高的上采样特征图。

该算子主要由上采样核预测和特征重组两个模块构成。CARAFE在进行上采样时，将特征图H×W×C传入上采样核预测模块中压缩通道，通过一个1×1的卷积压缩为H×W×Cm，随后进行内容编码及上采样核预测，用Kencoder×Kencoder的卷积层预测上采样核，得到形状为σH×σW×K2up的上采样核，其中σ是上采样倍率，K2up是预测上采样核大小，最后使用softmax对预测结果归一化处理。在进行特征重组时，将归一化后的特征图传入特征重组模块，然后取出图中以该特征点为中心的大小为Kup×Kup的区域，上采样预测模块预测出的该点的上采样核与输入特征图上每一层的特征作点积，最终输出特征图形状为σH×σW×C。CARAFE模块结构图如图3所示。

图 3 CARAFE模块结构图

1.3.2 GAM注意力机制由于咖啡叶病虫害图像均为人工拍摄采集，背景环境复杂多变，并且各种病虫害特征目标较小，难以完全检测。为了能够更好地捕捉目标的细节和特征，本研究引入了一种全局注意机制GAM[22]（Global Attention Mechanism），通过减少信息损失和放大全局交互表示来提升深度神经网络的性能。GAM引入了3D排列和多层感知机用于通道注意，同时还引入了卷积空间注意的子模块，整个过程如图4所示。输入特征F1经过通道注意力Mc后乘以其逐个单元，将该结果乘以通过空间注意Ms的输出，即GAM注意力的结果。2和3分别表示通道注意力和全局注意力的输出，表达式为：

。(2)

GAM通道注意力子模块使用三维排列作特征通道置换，然后用一个两层的MLP（多层感知器）放大通道和空间依赖性。对于输入特征图1，首先进行维度转换后输入到MLP，然后再将其转换成原始维度，最后经过Sigmoid激活后输出。GAM通道注意子模块如图5所示。

图 5 GAM通道注意力子模块

GAM空间注意力子模块使用两个卷积层进行聚焦空间信息，输入大小为C×H×W的特征图2，首先经过一个7×7的卷积，将通道数量减小以降低计算量，再经过一个7×7的卷积，将通道数量增加到和原始一致，最后经过sigmoid激活输出新的特征图MS(2)。GAM空间注意力子模块如图6。

图 6 GAM空间注意力子模块

1.3.3 Decoupled Head解耦检测头YOLOv5算法中使用的是耦合预测头，该预测头将分类和回归任务在同一个检测头中进行，并共享参数。在训练过程中，分类分支更加关注所提取特征与已有类别的相似性，以确定物体的类别，而回归分支更加关注位置坐标，以进行边界框参数的修正，这两个任务之间会相互干扰影响模型收敛。为了解决这个问题，本文采用了解耦头（Decoupled Head）的结构替换YOLOv5中的耦合头。

解耦头的结构采用一系列卷积运算对分类与回归任务进行去耦合。首先，通过使用一个1×1的卷积核进行降维操作，然后分别使用了两个3×3的卷积核来进行特征的提取。在分类分支中，为了完成特定的分类任务，进行了一个1×1的卷积运算。在回归分支中，采用两个平行的定位和置信度分支，每个分支都由1×1的卷积核完成定位和置信度的运算。最后，利用Anchor Based从特征图中提取目标框。将提取出来的框与标注的ground truth相比，从而判断两个框之间的差距，并最终生成目标检测的结果，解耦头结构如图7所示。

图 7 解耦头结构

在YOLOv5s模型的基础上，将Neck层中上采样模块替换为CARAFE上采样，减少特征信息的损失。然后在检测头前端引入GAM全局注意力机制，提取空间和通道不同维度的交互信息，增强检测效果。最后替换解耦头，更好的处理回归与分类任务之间的矛盾，加快模型收敛和提高检测精度，由此构成了基于改进YOLOv5s的咖啡叶病虫害检测网络，网络结构如图8所示。

图 8 改进后YOLOv5s网络结构

1.4 参数设置与评价指标

1.4.1 实验环境及参数设置本研究模型均在ubuntu 20.04操作系统下进行训练，使用的CPU为12 vCPU Intel(R) Xeon(R) Platinum 8255C，GPU为RTX 3080显卡，显存为10 GB，主机内存为40 GB，Cuda版本为11.3，深度学习框架使用PyTorch，版本为1.10.0，Python 3.8作为编译语言。

模型训练中设置输入图片大小为640×640，初始学习率为0.01，动量参数为0.937，批量大小batch size设置为16，选用Adam优化器对网络参数迭代更新，训练总轮数设置为100轮。

1.4.2 评价指标在实验中，选取了精确度（Precision）、召回率（Recall）、平均精度均值（mAP）作为主要的评价指标。精确度是模型在所有预测目标中预测正确的样本所占比例的度量指标。召回率是模型在所有真实正样本中预测正确的比例。平均精度均值是目标检测模型性能的重要指标，它计算了各个类别的准确率与召回率构成的P-R曲线下的面积的平均值。各指标计算公式如式(3)-(5)所示。

式中，T表示正例的咖啡叶病虫害样本被准确地预测成正例；F表示正例的病虫害样本被错误地预测成负例；F表示负例的病虫害样本被错误地预测成正例。表示类别的数量，本文咖啡叶病虫害为5种，所以=5。

2 结果与分析

2.1 不同注意力机制对比实验

为了验证GAM 注意力机制对咖啡叶病虫害检测效果的提升，在同一位置分别添加了CA、CBAM、SE、ECA以及GAM 5种注意力机制进行对比实验，实验结果如表2所示。

表2 注意力机制对比实验结果

从表2中可以看出，添加了5种注意力后，咖啡叶病虫害的检测效果都得到了提升。特别是融合了ECA和GAM注意力的模型，其mAP值达到了90.7%。此外，GAM注意力的精确度达到了91.6%。与原始模型相比，GAM注意力使精确度、召回率和平均精度均值分别提升了3.4%、1.3%和2.2%。这表明GAM注意力能够更全面地提取和利用图像特征，更准确地定位和识别咖啡叶病虫害的位置，从而提升咖啡叶病虫害检测性能。

2.2 消融实验

为了证明各项改进模块对咖啡叶病虫害检测性能的影响，设计了八组消融实验，并在统一实验环境下进行训练验证，对改进的各模块进行有效性评估，结果如表3所示。

表3 消融实验结果

从表3中可以看出，引入了上采样CARAFE模块后，mAP值提高了2.3%，说明CARAFE可以更准确地检测咖啡叶病虫害的特征信息。添加了GAM注意力机制后，mAP值提高了2.2%，表明此模块能够自适应地调整各个位置的特征权重，使得模型能够更全面地捕捉咖啡叶病虫害细节和特征。替换为解耦头后，mAP值提高了2.0%，这表明，解耦头模块能够解决咖啡叶病虫害特征在分类和回归两个问题上的矛盾，从而加快模型收敛，提高检测效果。在添加CARAFE和Decoupled Head模块后，mAP值提升了1.9%，添加GAM注意力和Decoupled Head模块后，mAP值提升了1.7%，而当同时添加以上三个模块时，mAP值提升了2.9%。综上所述，本文提出的改进模型性能提升效果最好。图9为原网络和改进后网络在咖啡叶病虫害数据集上检测的精确度、召回率和平均精度均值的曲线对比图，从图中可以更直观地看出，改进后的YOLOv5s模型精确度、召回率和平均精度均值均优于原始模型。

图 9 改进前后曲线对比

2.3 主流目标检测模型对比实验

为验证改进模型性能，选用六种主流目标检测算法对同一套咖啡病虫害数据集进行了训练，实验结果如表4所示，从表中可以看出，改进模型与Faster R-CNN、SSD、YOLOv4-tiny、YOLOX和YOLOv7等模型相比，平均精度均值分别高8.2%、20.2%、37.7%、5.9%、9.7%，在解决咖啡病虫害检测问题上有较好优势和效果。

表4 主流算法对比实验结果

2.4 改进算法检测效果实验

为了评估改进后模型的性能，分别使用改进前后模型对从田间采集的咖啡叶病虫害图像进行检测，结果如图10所示。从图中可以看出，原模型对于咖啡病虫害检测存在判断错误和精度低的问题。原模型检测的图像中蓝色椭圆圈出的部分是误检的情况，而本文添加了CARAFE上采样模块和注意力机制，能够提高上采样时对重要特征的识别能力，准确分辨病虫害和非病虫害区域。其次原模型在目标堆叠情况下检测效果很差，在锈病和盔蚧两种病害比较严重情况下，对这种密集的病害检测精度较低，最高为74%。而改进后的YOLOv5s网络对目标的检测精度明显高于原基础网络，最高达到92%，证明改进后的模型对咖啡叶病虫害的检测效果相比原模型具有比较显著的提升，具有更高的检测精度，鲁棒性更好。

图 10 检测效果对比图

3 讨论

目前已经提出了许多基于深度学习的农作物病虫害检测算法，但针对咖啡叶病虫害检测的研究很少。虽然现有的YOLOv5目标检测模型识别速度较快，但由于自然环境复杂多样，存在各种干扰因素，导致检测准确率较低。为了实现对咖啡叶病虫害的精准检测，提出了一种基于改进YOLOv5s的咖啡叶病虫害识别方法。

本研究改进后的模型虽然相对原始模型和其他主流模型都有较好的检测效果，但仍然存在一些难以捕捉到的细微特征信息，导致漏检率较高，其次某些咖啡叶病虫害目标可能过小或过大，造成检测困难。为解决此问题，增加模型的深度和宽度，引入更强大的特征提取器，以提高特征融合和识别能力；引入多尺度检测或金字塔网络结构，以增强对不同目标大小的适应能力。尽管使用了CARAFE模块进行特征融合，但在特征融合过程中可能引入了一些误导性特征信息，特征融合不完全；解耦头处理回归和分类冲突可能会导致部分目标的位置定位不准确，存在错检的情况。后续将进一步优化特征融合机制，并引入更细粒度的注意力机制，以减少对错误特征的引导；考虑进行更细致的头部设计，如引入联合回归和分类的方式，并结合精确的位置回归算法，以提升检测精度。

4 结论

为实现咖啡叶病虫害的精准高效检测，本文提出了一种基于改进YOLOv5s目标检测模型，首先使用CARAFE上采样替换原有上采样模块，减少了咖啡叶病虫害特征信息的损失，提升了特征融合能力；其次引入GAM全局注意力机制，提取空间和通道不同维度的交互信息，加强对咖啡叶病虫害的特征学习和特征提取，提升了检测效率；最后解耦头替换原始耦合头处理回归和分类冲突，提高了检测精度。实验结果表明，改进YOLOv5s模型具有较好的检测效果，精确度、召回率和平均精度均值分别为91.6%、86.0%、91.4%，相比原始YOLOv5s模型，平均精度均值提升了2.9%，且优于Faster R-CNN、SSD、YOLOv4-tiny、YOLOX和YOLOv7等模型，验证了本文方法的可行性和先进性，将计算机视觉技术应用于咖啡叶病虫害检测问题具有实际意义。

[1] 刘春华,李春丽,徐志.咖啡种类及其病虫害研究[J].中国热带农业,2010(5):59-61

[2] 付兴飞,李贵平,黄家雄,等.云南省3个咖啡产区小粒咖啡病虫害危害调查分析[J].热带农业科学,2020,40(3):67-75

[3] 黄家雄,李贵平.中国咖啡遗传育种研究进展[J].西南农业学报,2008,21(4):1178-1181

[4] 陈自宏,邓干然,崔振德,等.基于深度学习的农作物检测识别研究现状及展望[J].现代农业装备,2022,43(2):2-7

[5] 周惠汝,吴波明.深度学习在作物病害图像识别方面应用的研究进展[J].中国农业科技导报,2021,23(5):61-68

[6] 邵明月,张建华,冯全,等.深度学习在植物叶部病害检测与识别的研究进展[J].智慧农业,2022,4(1):29-46

[7] Ren S, He K, Girshick R,. Faster R-CNN: towards real-Time object detection with region proposal networks [J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2017,39(6):1137-1149

[8] Liu W, Anguelov D, Erhan D,. SSD: single shot multibox detector[C]//European Conference on Computer Vision. Cham: Springer, 2016:21-37

[9] Redmon J, Divvala S, Girshick R,. You only look once: unified, real-time object detection[C]//Proceedings of the IEEE conference on computer vision and pattern recognition. Seattle: IEEE, 2016:779-788

[10] 宋中山,汪进,郑禄,等.基于二值化的Faster R-CNN柑橘病虫害识别研究[J].中国农机化学报,2022,43(6):150-158

[11] 胡凯,骆润玫,刘泽乾,等.基于改进SSD的广佛手病虫害检测方法[J].南京农业大学学报,2023,46(4):813-821

[12] 徐会杰,黄仪龙,刘曼.基于改进YOLOv3模型的玉米叶片病虫害检测与识别研究[J].南京农业大学学报,2022,45(6):1276-1285

[13] 王卫星,刘泽乾,高鹏,等.基于改进YOLO v4的荔枝病虫害检测模型[J].农业机械学报,2023,54(5):227-235

[14] 孙丰刚,王云露,兰鹏,等.基于改进YOLOv5s和迁移学习的苹果果实病害识别方法[J].农业工程学报,2022,38(11):171-179

[15] Tassis LM, de Souza JET, Krohling RA. A deep learning approach combining instance and semantic segmentation to identify diseases and pests of coffee leaves from in-field images[J]. Computers and Electronics in Agriculture, 2021,186:106191

[16] Dong YZ, Han SL, Tao C,. Enhancing wheat fusarium head blight detection using rotation Yolo wheat detection network and simple spatial attention network [J]. Computers and Electronics in Agriculture, 2023,211:107968

[17] Kumar VS, Jaganathan M, Viswanathan A,. Rice leaf disease detection based on bidirectional feature attention pyramid network with YOLOv5 model [J]. Environmental Research Communications, 2023,5(6):1-18

[18] Li SF, Li KY, Qiao Y,. A multi-scale cucumber disease detection method in natural scenes based on YOLOv5 [J]. Computers and Electronics in Agriculture, 2022,202:107363

[19] Zhu XK, Lyu SC, Wang X,. TPH-YOLOv5: improved YOLOv5 based on transformer prediction head for object detection on drone-captured scenarios[C]//Proceedings of the IEEE/CVF International Conference on Computer Vision. Seattle: CVPR, 2021: 2778-2788

[20] Liu S, Qi L, Qin H,. Path aggregation network for instance segmentation[C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition, Salt Lake City: IEEE, 2018:8759-8768

[21] Wang J, Chen K, Xu R,. Carafe: content-aware reassembly of features[C]//Proceedings of the IEEE International Conference on Computer Vision (ICCV). Seoul, Korea (South), 2019:3007-3016

[22] Liu Y, Shao Z, Hoffmann N. Global attention mechanism: retain Information to enhance channel-spatial interactions [J]. arXiv preprint arXiv, 2021,2112:05561

Coffee Leaf Diseases and Insect Pests Identification Method Based on Improved YOLOv5s

LIU Jin-tao, LI Shuang, LI Jia-jun, LIN Yao, ZENG Yan-lin, HE Yi-ting, YANG Yi*

650201,

In order to improve the quality and yield of coffee and detect coffee leaf pests and diseases efficiently and accurately, we studied the method based on improved YOLOv5s. CARAFE up-sampling module is used to replace the up-sampling module in the original model to reduce the loss of feature information in the sampling process and improve the performance of the feature pyramid network. The GAM global attention mechanism was introduced at the front end of the detection head to extract the interactive information of different dimensions of space and channel to enhance the pests and diseases identification ability. The efficient decoupling head replaced the original coupling head to distinguish regression and classification to improve model convergence and detection accuracy. The results show that the average accuracy, recall and average accuracy of the improved model are 89.6%, 86.0% and 91.4%, respectively. Compared with the average accuracy of the original YOLOv5s, the average accuracy is increased by 2.9%, and the accuracy and recall rate are increased by 3.1% and 2.7%, respectively. Compared with the current mainstream models such as Faster R-CNN, SSD, YOLOv4-tiny, YOLOX and YOLOv7, the average accuracy is increased by 8.2%, 20.2%, 37.7%, 5.9% and 9.7%, respectively. Our method has a high accuracy rate for coffee leaf diseases and insect pests detection, and can provide a reference and basis for the detection of coffee leaf diseases and insect pests.

Coffee; diseases and pests; YOLOv5s

TP391.4

A

1000-2324(2023)05-0691-09

10.3969/j.issn.1000-2324.2023.05.008

2023-01-12

2023-02-14

云南省重大科技专项:云果数字化关键技术研发与应用示范(202002AE09001002)

刘金涛(1999-),女,在读硕士研究生,主要从事计算机视觉方面研究. E-mail:18206996042@163.com

Author for correspondence. E-mail:yyang66@126.com