doi：10.15889/j.issn.1002-1302.2024.20.023

摘要：為解決復(fù)雜環(huán)境下小尺度蘋果葉片病害識(shí)別精度不高、魯棒性不強(qiáng)的問題，在YOLO v5s的基礎(chǔ)上提出一種新的改進(jìn)方法。該方法首先在模型訓(xùn)練之前使用KMeans++聚類算法生成更接近真實(shí)框的錨框；其次在骨干網(wǎng)絡(luò)中加入卷積塊注意幾模塊（convolutional block attention module，CBAM），來提升復(fù)雜環(huán)境下小目標(biāo)特征的提取能力；再次為了增強(qiáng)頸部網(wǎng)絡(luò)對(duì)不同大小病害多尺度特征的有效識(shí)別，選擇ConvNeXtBlock模塊替換C3（CSP bottleneck with 3 convolutions）模塊，并在頸部網(wǎng)絡(luò)中融入坐標(biāo)注意力模塊（coordinate attention，CA），來加強(qiáng)模型對(duì)關(guān)鍵空間位置的響應(yīng)，使得不同尺度的特征都能被更有效地利用；最后使用ECIoU損失函數(shù)替換原始的CIoU損失函數(shù)，來提高模型的收斂速度和精度。與Faster R-CNN、SSD、YOLO v5s、YOLO v7、YOLO v8目標(biāo)檢測(cè)模型相比，改進(jìn)后模型的平均精度均值（mean average precision，mAP0.5）值分別提升0.6、4.6、6.3、1.7、1.3百分點(diǎn)，同時(shí)在強(qiáng)光照、模糊、暗光的復(fù)雜場景下具有較強(qiáng)的魯棒性。該模型可以為復(fù)雜環(huán)境下蘋果葉片病害的識(shí)別提供行之有效的方案。

關(guān)鍵詞：蘋果；葉片病害；病害檢測(cè)；注意力機(jī)制；ConvNeXtBlock；卷積塊注意力模塊（CBAM）；CA

中圖分類號(hào)：S126；TP391.41" 文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1002-1302（2024）20-0190-09

收稿日期：2024-07-12

基金項(xiàng)目：國家自然科學(xué)基金（編號(hào)：62066040）；民族教育信息化教育部重點(diǎn)實(shí)驗(yàn)室開放課題（編號(hào)：EIN2024B003）；智能計(jì)算與信息處理教育部重點(diǎn)實(shí)驗(yàn)室開放課題（編號(hào)：2023ICIP05）；國家留學(xué)基金委西部地區(qū)人才培養(yǎng)特別項(xiàng)目（編號(hào)：202108525007）；銅仁市大數(shù)據(jù)智能計(jì)算與應(yīng)用重點(diǎn)實(shí)驗(yàn)室項(xiàng)目（編號(hào)：銅仁市科研［2022］5號(hào)）；貴州省科技基礎(chǔ)研究計(jì)劃（編號(hào)：［2022］557）。

作者簡介：黃貽望（1978—），男，湖南溆浦人，博士，教授，碩士生導(dǎo)師，主要從事人工智能、服務(wù)計(jì)算、軟件形式化方法等研究。E-mail：yjsyhyw@gztrc.edu.cn。

中國蘋果產(chǎn)業(yè)協(xié)會(huì)發(fā)布的《2022年度中國蘋果產(chǎn)業(yè)報(bào)告》中顯示，中國蘋果產(chǎn)量仍然位居世界第一［1］。中國作為蘋果種植業(yè)大國，在蘋果產(chǎn)業(yè)發(fā)展中依舊存在一些問題。例如，在種植過程中，蘋果的葉片病害嚴(yán)重影響著蘋果的產(chǎn)量，包括對(duì)蘋果危害較為嚴(yán)重的腐爛病、褐斑病、斑點(diǎn)落葉病等。那么，如何快速精準(zhǔn)地檢測(cè)和識(shí)別蘋果葉部病害就是解決這一問題的關(guān)鍵，對(duì)于未來蘋果產(chǎn)業(yè)高質(zhì)量發(fā)展至關(guān)重要。

隨著科技的進(jìn)步，越來越多的技術(shù)運(yùn)用到農(nóng)業(yè)生產(chǎn)領(lǐng)域，深度學(xué)習(xí)憑借其強(qiáng)大的模式識(shí)別和自適應(yīng)學(xué)習(xí)能力被廣泛應(yīng)用于番茄［2-4］、玉米［5-7］、小麥［8-9］以及茶葉［10］等農(nóng)作物病害的檢測(cè)識(shí)別任務(wù)中，在蘋果葉部病害檢測(cè)中也進(jìn)行了很多研究，例如，曾晏林等在YOLO v5中引入自注意力機(jī)制和Transformer模塊，對(duì)于蘋果葉部病害進(jìn)行有效識(shí)別［11］；Mathew等使用YOLO v3算法來檢測(cè)蘋果葉部病害［12-13］；Wang等通過改進(jìn)YOLO v5并輕量化網(wǎng)絡(luò)，對(duì)多種蘋果葉部病害達(dá)到較高的檢測(cè)速度［14］；趙嘉威等將YOLO v4網(wǎng)絡(luò)結(jié)合注意力機(jī)制模塊來檢測(cè)蘋果多種葉部病害［15］；黃煒等基于VGG-16和Swin Transformer網(wǎng)絡(luò)提出了一種復(fù)雜特征的細(xì)粒度特征分離方法，有效提升了檢測(cè)精準(zhǔn)率［16］；李鑫然等通過改進(jìn)Faster R_CNN模型來提高對(duì)于蘋果葉片病害的檢測(cè)精度［17］；公徐路等使用ShuffleNet v2輕量化網(wǎng)絡(luò)對(duì)YOLO v5進(jìn)行改進(jìn)，來達(dá)到對(duì)蘋果葉片病害檢測(cè)的高精度及輕量化的需求［18］；王瑞鵬等利用EfficientNet-B0網(wǎng)絡(luò)和DenseNet121網(wǎng)絡(luò)作為特征提取網(wǎng)絡(luò)，對(duì)5類蘋果葉部病害進(jìn)行檢測(cè)［19］；孫長蘭等采用非極大值抑制算法將YOLO v5與EffcientDet模型進(jìn)行集成來提升蘋果葉部病害的檢測(cè)精度［20］。

這些研究采用不同的方式改進(jìn)模型來提升檢測(cè)精度，但由于蘋果樹生長的環(huán)境復(fù)雜，樹葉繁茂，枝杈交錯(cuò)，容易造成病害特征的混淆，所以大多數(shù)模型在病害檢測(cè)與識(shí)別任務(wù)中，魯棒性往往較差。除此之外，蘋果葉片病害中銹病、灰斑病、蛙眼葉斑病等病斑由于在整個(gè)葉片背景中尺寸較小，缺乏相應(yīng)的紋理、顏色、形狀等外觀信息［21］，多次下采樣后，特征信息減少，導(dǎo)致檢測(cè)難度變大。

因此，本研究在YOLO v5s模型的基礎(chǔ)上提出了一種新的改進(jìn)算法。該算法主要包括以下4點(diǎn)改進(jìn)：（1） 使用KMeans++聚類算法生成新的錨框，使錨框更接近數(shù)據(jù)集標(biāo)注的大小，從而提高模型定位的準(zhǔn)確性；（2） 在骨干網(wǎng)絡(luò)引入卷積塊注意力模塊（convolutional block attention module，CBAM），增強(qiáng)骨干網(wǎng)絡(luò)對(duì)復(fù)雜環(huán)境下小尺度蘋果葉片病害特征的提取能力；（3） 在頸部網(wǎng)絡(luò)使用ConvNeXtBlock模塊替換原有的C3（CSP bottleneck with 3 convolutions）模塊，增強(qiáng)模型對(duì)特征的表達(dá)能力，并在頸部網(wǎng)絡(luò)中加入坐標(biāo)注意力（coordinate attention，CA）模塊，進(jìn)一步強(qiáng)化模型對(duì)于關(guān)鍵空間位置的響應(yīng)速度；（4） 為了使模型收斂速度更快，用ECIoU損失函數(shù)替換原始的CIoU損失函數(shù)。通過以上改進(jìn)以滿足對(duì)于復(fù)雜環(huán)境下小尺度蘋果葉片病害識(shí)別任務(wù)的可用性。

1" 材料與方法

1.1" 試驗(yàn)數(shù)據(jù)集與處理

蘋果葉片病害試驗(yàn)數(shù)據(jù)集來自于公開數(shù)據(jù)集AppleLeaf9［22］，此數(shù)據(jù)集包含PlantVillage、ATLDSD、PPCD2020、PPCD2021數(shù)據(jù)集中的8種蘋果葉部病害［23-26］，本試驗(yàn)選擇對(duì)蘋果產(chǎn)量影響較為嚴(yán)重的鏈格孢葉斑病、蛙眼葉斑病、灰斑病及銹病4種病害圖片，共計(jì)1 514張。為提升模型的魯棒性和泛化性能，試驗(yàn)數(shù)據(jù)集選擇的病害圖片包括復(fù)雜場景以及小目標(biāo)病害圖片，4種病害圖片如圖1所示。

試驗(yàn)使用Labelme標(biāo)注軟件對(duì)圖片上的每一處病害進(jìn)行標(biāo)注，標(biāo)注類別和標(biāo)注框的坐標(biāo)信息存儲(chǔ)在對(duì)應(yīng)的JSON文件中。試驗(yàn)將數(shù)據(jù)集按照8 ∶2的比例劃分訓(xùn)練集和驗(yàn)證集，具體劃分如表1。

1.2" YOLO v5整體改進(jìn)

首先，本改進(jìn)模型使用KMeans++聚類算法生成新的錨框，其目的在于使生成的錨框更接近數(shù)據(jù)集中目標(biāo)的真實(shí)大小。數(shù)據(jù)集標(biāo)注的大小是指數(shù)據(jù)集中所有標(biāo)注目標(biāo)框的寬度和高度的統(tǒng)計(jì)分布。通過聚類算法，可以有效地生成1組錨框，這些錨

框的尺寸能夠更好地代表數(shù)據(jù)集中目標(biāo)的實(shí)際尺寸分布，從而在訓(xùn)練過程中使模型更容易學(xué)習(xí)到目標(biāo)的特征提高檢測(cè)精度。其次，在骨干網(wǎng)絡(luò)中引入卷積塊注意力模塊（convolutional block attention module，CBAM），CBAM通過卷積操作在特征圖上計(jì)算注意力權(quán)重，這些權(quán)重可以分為通道注意力和空間注意力。重要特征是指那些對(duì)目標(biāo)識(shí)別至關(guān)重要的特征，如病害斑點(diǎn)的紋理、形狀、顏色等。在通道注意力機(jī)制下，CBAM根據(jù)每個(gè)通道的重要性分配權(quán)重，強(qiáng)化對(duì)目標(biāo)識(shí)別有幫助的通道特征；在空間注意力機(jī)制下，CBAM根據(jù)每個(gè)空間位置的重要性分配權(quán)重，強(qiáng)化對(duì)目標(biāo)識(shí)別有幫助的空間特征，抑制背景噪聲和無關(guān)區(qū)域的特征。這種處理可以提高模型對(duì)重要特征的關(guān)注度，從而增強(qiáng)判別能力。在頸部網(wǎng)絡(luò)使用ConvNeXtBlock模塊替換原有的C3模塊，ConvNeXtBlock是一個(gè)改進(jìn)的卷積模塊，它通過更深的卷積操作和更廣的感受野來捕捉多尺度特征。ConvNeXtBlock采用一種新穎的網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)，包括更深層次的卷積、跳躍連接以及歸一化層，這些設(shè)計(jì)能夠更好地捕捉和融合不同尺度的特征信息。通過這種改進(jìn)，模型在不同尺度下的特征表達(dá)能力得到了顯著提升，使其能夠更準(zhǔn)確地識(shí)別大小不同的目標(biāo)，從而提高目標(biāo)檢測(cè)的準(zhǔn)確性和魯棒性。模型還在頸部網(wǎng)絡(luò)中引入了CA模塊，該模塊是一種基于坐標(biāo)的注意力機(jī)制，它通過將注意力權(quán)重與坐標(biāo)信息結(jié)合，能夠更精準(zhǔn)地定位目標(biāo)區(qū)域并強(qiáng)化目標(biāo)特征。CA模塊的核心思想是利用坐標(biāo)信息引導(dǎo)注意力權(quán)重的計(jì)算，從而更好地捕捉目標(biāo)的空間布局和上下文關(guān)系。這樣模型不僅能夠關(guān)注到目標(biāo)本身，還能考慮目標(biāo)周圍的環(huán)境特征，提高目標(biāo)檢測(cè)的魯棒性。最后，為使模型收斂速度更快，使用ECIoU損失函數(shù)替換原始的CIoU損失函數(shù)。本研究改進(jìn)的YOLO v5s模型網(wǎng)絡(luò)結(jié)構(gòu)如圖2所示。

1.2.1" KMeans++聚類算法生成錨框" 在YOLO v5中，錨框是一種預(yù)設(shè)的矩形框，用在特征圖上預(yù)測(cè)目標(biāo)的位置和大小。本方法采用KMeans++聚類算法生成錨框，其目的是使生成的錨框更接近數(shù)據(jù)集中目標(biāo)的真實(shí)大小。YOLO v5s默認(rèn)使用3個(gè)不同的錨框，錨框的大小為［10，13，16，30，33，23］、［30，61，62，45，59，119］、［116，90，156，198，373，326］。其中［10，13，16，30，33，23］等這些數(shù)字表示錨框的寬度和高度。具體來說，［10，13］中的10表示錨框的寬度，13表示錨框的高度。其他錨框的數(shù)字組合也是如此，分別表示不同錨框的寬度和高度。這3個(gè)不同大小的錨框?qū)?yīng)80×80、40×40、20×20等3個(gè)不同尺度的特征圖。但給定的錨框是使用MSCOCO數(shù)據(jù)集聚類得出的結(jié)果［27］，MSCOCO數(shù)據(jù)集有80多個(gè)類別，試驗(yàn)中病害類別并不包含在內(nèi)。雖然YOLO v5s引入了自適應(yīng)錨框算法，但算法依舊存在局限性。自適應(yīng)錨框算法在模型訓(xùn)練前需遍歷整個(gè)數(shù)據(jù)集的標(biāo)注信息，根據(jù)這些信息計(jì)算標(biāo)注框的尺寸分布。若計(jì)算得到的最優(yōu)召回率大于或等于0.98，則不進(jìn)行進(jìn)一步的更新；反之，若最優(yōu)召回率低于0.98，則觸發(fā)錨框尺寸的重新計(jì)算和更新流程。

為使在訓(xùn)練之前得到更符合真實(shí)標(biāo)注框的錨框，本研究選擇使用KMeans++聚類算法生成新的錨框，從而優(yōu)化模型訓(xùn)練過程。KMeans++聚類生成錨框如算法1所示。

算法1" KMeans++生成錨框：

輸入：數(shù)據(jù)集D，聚類數(shù)量k；

輸出：錨框的中心點(diǎn)集合C。

（1）初始化中心點(diǎn)集合C為空集；

（2）從數(shù)據(jù)集D中隨機(jī)選擇1個(gè)樣本作為初始聚類中心，并加入到C中；

（3）while |C|lt;k do；

（4）對(duì)D中每個(gè)樣本x計(jì)算最小距離平方d（x）2；

（5）以d（x）2成正比概率選擇新聚類中心，并加入C；

（6）根據(jù)C中k個(gè)中心點(diǎn)確定錨框?qū)捀撸?/p>

（7）返回錨框中心點(diǎn)集合C。

通過KMeans++聚類算法生成錨框的具體大小如表2。

表2" KMeans++聚類算生成錨框尺寸

尺寸錨框大小

小15×22、19×32、24×40

中32×34、34×46、41×59

大66×68、59×96、105×121

1.2.2" 引入注意力機(jī)制" 注意力機(jī)制融入到目標(biāo)識(shí)別領(lǐng)域［28］，可以幫助模型更加專注于圖像中的關(guān)鍵部分，從而提高目標(biāo)檢測(cè)的準(zhǔn)確性。目前已有多種注意力機(jī)制如EMA（exponential moving average）［29］、SA（spatial attention）［30］、CA（coordinate attention）［31］、CBAM等被廣泛應(yīng)用于目標(biāo)檢測(cè)中［32］。具體到本研究，為使模型在特征提取階段增強(qiáng)對(duì)缺乏紋理顏色的小目標(biāo)病害的提取能力，使得不同尺度的病害特征都能被有效地利用。選擇在骨干網(wǎng)絡(luò)中加入CBAM模塊，在頸部網(wǎng)絡(luò)加入CA模塊，CBAM模塊由Woo等提出，結(jié)構(gòu)如圖3所示。

CBAM模塊主要包括CAM與SAM兩個(gè)部分，模塊首先通過通道注意力機(jī)制（channel attention module，CAM）增強(qiáng)網(wǎng)絡(luò)對(duì)不同通道特征的表達(dá)能力，隨后通過空間注意力機(jī)制（spatial attention module，SAM）進(jìn)一步細(xì)化每個(gè)位置的特征響應(yīng)。其中通道注意力模塊（CAM）結(jié)構(gòu)如圖4所示。

輸入特征圖F是前置卷積層的輸出，包含多個(gè)通道，每個(gè)通道編碼了不同的特征信息。CAM首先對(duì)特征圖F進(jìn)行全局最大池化和全局平均池化操作。全局最大池化操作捕獲特征圖中最為顯著的特征，而全局平均池化則提取特征圖中的平均信息。池化后的結(jié)果被送入共享的多層感知器（multilayer perceptron，MLP），MLP具有2層全連接層，并在這2層之間使用ReLU激活函數(shù)。共享的MLP對(duì)2種池化信息進(jìn)行進(jìn)一步的抽象和重構(gòu)，生成具有描述性的特征通道權(quán)重。經(jīng)過MLP處理后的2組特征圖進(jìn)行逐元素相加，通過Sigmoid激活函數(shù)處理，生成通道注意力圖Mc。得到的通道注意力圖Mc為每個(gè)通道指定1個(gè)權(quán)重，通過這個(gè)權(quán)重對(duì)輸入特征圖F中每個(gè)通道的響應(yīng)進(jìn)行放大或縮減。通道注意力計(jì)算公式為式（1）：

Mc（F）=σ{MLP［Avg（F）］+MLP［MaxPool（F）］｝=σ［W1（W0（Fcavg）］+W1［W0（Fcmax）］。（1）

通道注意力這樣的機(jī)制使得網(wǎng)絡(luò)能夠強(qiáng)化對(duì)重要特征通道的關(guān)注，而抑制不重要的通道，進(jìn)而更有效地利用特征信息。SAM則關(guān)注于在空間維度上的重要區(qū)域，以強(qiáng)化局部的特征表達(dá)。SAM的結(jié)構(gòu)如圖5所示。

在CAM模塊之后，SAM模塊首先對(duì)細(xì)化后的特征圖F′執(zhí)行最大池化和平均池化操作。池化操作后得到的2個(gè)特征圖在通道維度上進(jìn)行堆疊，形成1個(gè)兩通道的特征圖，堆疊后的特征圖通過1個(gè)7×7的卷積層進(jìn)行處理。通過卷積層后，使用Sigmoid函數(shù)激活得到空間注意力圖Ms。最后，空間注意力圖Ms被用來對(duì)輸入的通道細(xì)化特征圖F′進(jìn)行加權(quán)。空間注意力權(quán)重矩陣Ms計(jì)算公式為式（2）。

Ms（F）=σ（f7×7{［AvgPool（F）；MaxPool（F）］}）=σ［f7×7（［Fsavg；Fsmax］）］。（2）

除了在骨干網(wǎng)絡(luò)加入CBAM模塊之外，為進(jìn)一步強(qiáng)化模型對(duì)于關(guān)鍵空間位置的響應(yīng)，使得不同尺度的特征都能被更有效地利用。本研究選擇在頸部網(wǎng)絡(luò)融入CA模塊，其網(wǎng)絡(luò)結(jié)構(gòu)如圖6所示。

首先輸入的是具有1個(gè)C×H×W維度的特征圖，包含C個(gè)通道的特征圖分別在x軸和y軸上進(jìn)行平均池化操作。經(jīng)過池化操作的特征圖被拼接起來，并通過1個(gè)二維卷積（Conv2d）操作，拼接完的特征圖經(jīng)過批量歸一化和非線性函數(shù)處理。之后被拆分成兩部分，并分別通過另外的卷積層進(jìn)行處理，Sigmoid函數(shù)將卷積的結(jié)果映射到（0，1）區(qū)間，生成權(quán)重。再次使用Sigmoid函數(shù)對(duì)原始輸入特征圖進(jìn)行加權(quán)，突出重要的通道特征。

1.2.3" ConvNeXtBlock 結(jié)構(gòu)" 當(dāng)病害特征被骨干網(wǎng)絡(luò)提取后，在頸部網(wǎng)絡(luò)進(jìn)行特征融合，但在深層網(wǎng)絡(luò)中隨著卷積的增加，特征圖的分辨率逐步降低，這使小目標(biāo)信息丟失，尤其是在處理蘋果葉片病害識(shí)別這種細(xì)粒度的任務(wù)中，而且因不同階段不同大小的病害可能需要多尺度的特征來進(jìn)行有效識(shí)別，因此本研究選擇使用ConvNeXtBlock模塊替換頸部網(wǎng)絡(luò)中的C3模塊，ConvNeXt結(jié)構(gòu)由Liu等提出［33］，它是基于Transformer架構(gòu)上的卷積神經(jīng)網(wǎng)絡(luò)模塊，ConvNeXt網(wǎng)絡(luò)結(jié)構(gòu)如圖7所示。

模塊首先通過1個(gè)7×7的深度可分離卷積處理輸入特征圖，緊接著通過層標(biāo)準(zhǔn)化進(jìn)行歸一化操作，這一步有助于加速整個(gè)訓(xùn)練過程并加快模型的收斂速度。之后使用1×1卷積來聚合深度可分離卷積后的特征，并進(jìn)行通道上的信息融合。這一步使通道數(shù)量變?yōu)樵瓉淼?倍，增強(qiáng)了網(wǎng)絡(luò)對(duì)于局部特征的捕捉能力，ReLU激活函數(shù)的加入給予了模型的非線性。接著再次使用1×1卷積來進(jìn)一步調(diào)整特征。最后輸入的特征圖與最后一次卷積的輸出進(jìn)行殘差連接輸出結(jié)果。

1.2.4" 損失函數(shù)改進(jìn)" 損失函數(shù)的改進(jìn)可以進(jìn)一步提升模型的收斂速度和精度，YOLO v5s默認(rèn)將CIoU作為損失函數(shù)。CIoU的設(shè)計(jì)主要考慮的關(guān)鍵因素包括邊框的重疊面積、中心點(diǎn)距離以及長寬比。CIoU損失通過增加中心點(diǎn)距離，提供了當(dāng)IoU相同時(shí)更有區(qū)分度的梯度。CIoU的計(jì)算公式為：

CIoU=IoU-p2（b，bgt）c2αν。（3）

式中：α、ν分別作為權(quán)重函數(shù)和寬高比的度量值，其中α的計(jì)算公式為式（4），ν的計(jì)算公式為式（5）。

α=ν（1-IoU）+ν；（4）

ν=4πarctanωgthgt-arctanωh2。（5）

式中：ω、h是真實(shí)框的寬和高；ωgt、hgt是預(yù)測(cè)框的寬和高。但α、ν反映的只是邊界框長、寬的差異，并沒有反映出寬、高對(duì)于置信度的差異，且當(dāng)ω=kωgt、h=khgt懲罰項(xiàng)將失去效果。EIoU在此基礎(chǔ)上將橫縱比的影響因子拆分，分別計(jì)算真實(shí)框和預(yù)測(cè)框的長、寬，EIoU損失函數(shù)主要包括重疊損失、中心距離損失、寬高損失3個(gè)部分［34］。EIoU_Loss的計(jì)算公式為：

LossEIoU=LIoU+Ldis+lasp=1-IoU+p2（bgt，b）c2+p2（hgt，h）c2h+p2（ωgt，ω）c2ω。（6）

本研究結(jié)合了2種損失函數(shù)的優(yōu)點(diǎn)選擇使用ECIoU作為損失函數(shù)，在此前的研究中，已有研究者將此損失函數(shù)應(yīng)用到目標(biāo)識(shí)別領(lǐng)域，如曹超等在YOLO v8中使用ECIoU損失函數(shù)來加速模型收斂［35］，ECIoU損失函數(shù)計(jì)算公式為：

LossECIoU=1-IoU+αν+p2（bgt，b）c2+p2（hgt，h）c2h+p2（ωgt，ω）c2ω。（7）

1.3" 算法流程和分析

改進(jìn)后的算法具體包括：在訓(xùn)練前使用KMeans++聚類算法生成新錨框、在骨干網(wǎng)絡(luò)中加入CBAM模塊、在頸部網(wǎng)絡(luò)使用ConvNeXtBlock模塊替換C3模塊并引入CA模塊、使用ECIoU損失函數(shù)替換CIoU損失函數(shù)。改進(jìn)后算法的具體訓(xùn)練流程為算法2所示。

算法2" 改進(jìn)后的算法流程：

輸入：訓(xùn)練數(shù)據(jù)集、模型參數(shù)；

輸出：目標(biāo)檢測(cè)結(jié)果。

（1）初始化改進(jìn)后的YOLO v5s模型；

（2）New anchorKMeans++；/*使用KMeans++算法生成新錨框*/；

（3）for i=0 to N-1；

（4）trainNew anchor amp; ECIoU；/*使用改進(jìn)后的錨框和損失函數(shù)進(jìn)行訓(xùn)練*/；

（5）通過正向傳播生成預(yù)測(cè)框，然后根據(jù)預(yù)測(cè)和真實(shí)標(biāo)簽計(jì)算損失，損失計(jì)算公式為式（7）；

（6）通過式（7）計(jì)算結(jié)果進(jìn)行反向傳播，優(yōu)化模型權(quán)重；

（7）for end。

首先初始化改進(jìn)后的模型實(shí)例，并加載模型參數(shù)，包括加載預(yù)訓(xùn)練的權(quán)重、設(shè)置學(xué)習(xí)率、迭代次數(shù)以及批處理大小。隨后模型使用優(yōu)化后的錨框和改進(jìn)后的損失函數(shù)，在數(shù)據(jù)集上進(jìn)行多次迭代訓(xùn)練。在訓(xùn)練中模型接收輸入圖像并執(zhí)行正向傳播來生成預(yù)測(cè)框，然后根據(jù)標(biāo)注框和預(yù)測(cè)結(jié)果之間的差異，計(jì)算損失函數(shù)。計(jì)算得出損失之后，使用反向傳播算法來計(jì)算梯度，最后使用這些梯度來更新模型權(quán)重。

1.4" 試驗(yàn)環(huán)境

為了驗(yàn)證本算法的有效性，于2024年2—4月在銅仁市大數(shù)據(jù)智能計(jì)算及應(yīng)用重點(diǎn)實(shí)驗(yàn)室銅仁學(xué)院人工智能服務(wù)器上進(jìn)行試驗(yàn)。試驗(yàn)系統(tǒng)為Ubuntu，試驗(yàn)硬件為浪潮高性能人工智能平臺(tái)，配置為：IntelXeonPlatinum 8358 PCPU@2.60 GHz，A40GPU×2，512 GB內(nèi)存，單張加速卡顯存為 45 GB 共90 GB。代碼編譯環(huán)境為Python 3.8.10，加速卡CUDA版本為11.2，深度學(xué)習(xí)框架選擇Pytroch 2.2.1。

1.5" 模型評(píng)價(jià)指標(biāo)

在蘋果葉片病害的識(shí)別任務(wù)中，選擇使用的評(píng)價(jià)指標(biāo)有精準(zhǔn)率（precision，P）、召回率（recall，R）以及平均精準(zhǔn)率mAP值，精準(zhǔn)率計(jì)算公式為式（8），召回率計(jì)算公式為式（9）。平均精準(zhǔn)率mAP值是基于精準(zhǔn)率和召回率得出的，可以更全面地反映模型的性能。為進(jìn)一步測(cè)試模型全面的精度性能指標(biāo)，在本試驗(yàn)中納入了mAP0.5 ∶0.9的計(jì)算，mAP0.5 ∶0.9不僅考慮到了模型在容易的情況（如交并比IoU=0.5）下的性能，還評(píng)估了在更困難的情況（如IoU=0.9）下的表現(xiàn)。

P=TPTP+FP；（8）

R=TPTP+FN。（9）

其中：TP代表為真正例，指模型正確地將正類別的樣本識(shí)別為正類別；FP為假正例，是指模型錯(cuò)誤地將負(fù)類別的樣本識(shí)別為正類別；FN為假負(fù)例，是指模型錯(cuò)誤地將正類別的樣本識(shí)別為負(fù)類別。

2" 結(jié)果與分析

2.1" 損失函數(shù)對(duì)比

通過對(duì)損失函數(shù)的改進(jìn)，使用ECIoU損失函數(shù)替換原始的CIoU損失函數(shù)，ECIoU損失函數(shù)結(jié)合了EIoU和CIoU的優(yōu)點(diǎn)，既保證了懲罰項(xiàng)的有效性，又加快了模型的收斂速度，訓(xùn)練結(jié)果如圖8所示，ECIoU損失函數(shù)在Bounding box的回歸速度上要優(yōu)于CIoU損失函數(shù)。

2.2" 消融試驗(yàn)結(jié)果

為保證研究算法的4點(diǎn)改進(jìn)是有效的，在其他參數(shù)不變的條件下進(jìn)行了4種改進(jìn)方式的消融試驗(yàn)，結(jié)果表明每一種改進(jìn)對(duì)模型的精度都有所提升，詳細(xì)的試驗(yàn)結(jié)果如表3所示。

“改進(jìn)1”是在原始的YOLO v5s模型基礎(chǔ)上使用KMeans++聚類算法生成預(yù)測(cè)錨框，改進(jìn)1使得模型的mAP0.5、mAP0.5 ∶0.9分別提升了0.4、0.5百分點(diǎn)?！案倪M(jìn)2”是在在原始的YOLO v5s模型的基礎(chǔ)上使用ECIoU損失函數(shù)替換原始的CIoU損失函數(shù)，改進(jìn)2使得模型的mAP0.5、mAP0.5 ∶0.9分別提升了0.7、1.4百分點(diǎn)。“改進(jìn)3”在YOLO v5s的骨干網(wǎng)絡(luò)SPPF層后加入CBAM模塊，在頸部網(wǎng)絡(luò)加入CA模塊。對(duì)比原始YOLO v5s網(wǎng)絡(luò)，其準(zhǔn)確率、召回率分別提升0.1、1.7百分點(diǎn)，mAP0.5、mAP0.5 ∶0.9分別提升0.8、1.6百分點(diǎn)。“改進(jìn)4”使用ConvNeXt模塊替換頸部網(wǎng)絡(luò)中的C3模塊，相比較于原始YOLO v5s模型，mAP0.5、mAP0.5 ∶0.9分別提升1.7、2.1百分點(diǎn)。最終改進(jìn)模型也就是本研究算法，試驗(yàn)結(jié)果對(duì)比原始YOLO v5s模型準(zhǔn)確率、召回率分別提升2.3、1.3百分點(diǎn)，mAP0.5、mAP0.5 ∶0.9分別提升6.3、5.2百分點(diǎn)，其各類指標(biāo)也優(yōu)于其他3種改進(jìn)方式。

2.3" 對(duì)比試驗(yàn)

為了更進(jìn)一步證明本算法對(duì)其他模型的有效性，試驗(yàn)將本算法與一階段目標(biāo)檢測(cè)算法SDD、YOLO v7、YOLO v8、兩階段目標(biāo)檢測(cè)算法Faster R-CNN 進(jìn)行對(duì)比，結(jié)果如表4所示。本研究算法mAP0.5值要高于其他一階段目標(biāo)識(shí)別算法和兩階段算法。鏈格孢葉斑病、蛙眼葉斑病、銹病的識(shí)別準(zhǔn)確率要優(yōu)于其他模型；但在灰斑病的識(shí)別中兩階段目標(biāo)檢測(cè)算法Faster R-CNN盡管擁有微弱的優(yōu)勢(shì)，但其龐大的參數(shù)量和計(jì)算代，價(jià)依舊沒有辦法使其與本研究算法相媲美。

2.4" 對(duì)比分析

為更加直接觀察模型在復(fù)雜環(huán)境下的識(shí)別效果，本試驗(yàn)還通過對(duì)比部分病害圖片的檢測(cè)結(jié)果來評(píng)估模型的有效性。在結(jié)果對(duì)比試驗(yàn)中，將本模型與原始的YOLO v5s模型進(jìn)行對(duì)比測(cè)試，結(jié)果如圖9所示。圖9-a為原始的YOLO v5s檢測(cè)結(jié)果，可以明顯看出原始YOLO v5s模型對(duì)于A種病斑的識(shí)別置信度較低，對(duì)于R種小尺寸病斑識(shí)別效果較差，存在漏檢的情況。而在圖9-b中可以看到，改進(jìn)后的YOLO v5s模型對(duì)于以上病斑識(shí)別的置信度遠(yuǎn)高

于YOLO v5s模型，在小目標(biāo)病害識(shí)別的場景中沒有出現(xiàn)漏檢的情況。為驗(yàn)證本算法對(duì)復(fù)雜場景下的魯棒性，圖10展示了病害在強(qiáng)光照、模糊、暗光3種非正常環(huán)境下的檢測(cè)結(jié)果。結(jié)果表明，原始的YOLO v5s模型在強(qiáng)光照、模糊的場景下出現(xiàn)了多處漏檢情況，而改進(jìn)后的模型未出現(xiàn)漏檢，且檢測(cè)置信度要遠(yuǎn)高于YOLO v5s模型。圖9和圖10的2組試驗(yàn)結(jié)果證明了改進(jìn)后的算法對(duì)復(fù)雜場景和小目標(biāo)病斑識(shí)別的有效性。

3" 結(jié)論與討論

本研究針對(duì)復(fù)雜環(huán)境下小尺度蘋果葉片病害進(jìn)

行識(shí)別，通過對(duì)原始的YOLO v5s模型的多個(gè)網(wǎng)絡(luò)部分進(jìn)行改進(jìn)，改進(jìn)后的模型與對(duì)比Faster R-CNN、SSD、YOLO v7、YOLO v8和YOLO v5s目標(biāo)檢測(cè)模型，mAP0.5值分別提升0.6、4.6、1.7、1.3、6.3百分點(diǎn)。對(duì)于小尺寸病害銹病的檢測(cè)準(zhǔn)確率提升0.7、2.6、2、1.9、4.1百分點(diǎn)，具有較高的識(shí)別精度。并通過在強(qiáng)光照、模糊、暗光3種非正常環(huán)境下與YOLO v5s模型進(jìn)行對(duì)比測(cè)試，改進(jìn)后的模型表現(xiàn)出顯著優(yōu)勢(shì)，魯棒性較強(qiáng)?？梢詰?yīng)用于復(fù)雜場景和小目標(biāo)病斑的識(shí)別場景。

但檢測(cè)模型要達(dá)到實(shí)際的應(yīng)用水平，只針對(duì)這4種病害還遠(yuǎn)遠(yuǎn)不夠，對(duì)于精確識(shí)別生長在不同時(shí)間階段的蘋果葉片病害也是亟需解決的問題。所以，后續(xù)的試驗(yàn)將加入不同階段的多種病害和更復(fù)雜場景下的病害圖片進(jìn)行研究，繼續(xù)提高模型的識(shí)別精度。

參考文獻(xiàn)：

［1］王" 壹. 中國蘋果產(chǎn)量穩(wěn)居世界第一［N］. 農(nóng)民日?qǐng)?bào)，2023-11-18（7）.

［2］Zhang Y K，Huang S J，Zhou G X，et al. Identification of tomato leaf diseases based on multi-channel automatic orientation recurrent attention network［J］. Computers and Electronics in Agriculture，2023，205：107605.

［3］Gadekallu T R，Rajput D S，Reddy M P K，et al. A novel PCA–whale optimization-based deep neural network model for classification of tomato plant diseases using GPU［J］. Journal of Real-Time Image Processing，2021，18（4）：1383-1396.

［4］Zhang D Y，Huang Y，Wu C，et al. Detecting tomato disease types and degrees using multi-branch and destruction learning［J］. Computers and Electronics in Agriculture，2023，213：108244.

［5］鮑文霞，黃雪峰，胡根生，等. 基于改進(jìn)卷積神經(jīng)網(wǎng)絡(luò)模型的玉米葉部病害識(shí)別［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2021，37（6）：160-167.

［6］Zeng W H，Li H D，Hu G S，et al. Lightweight dense-scale network （LDSNet） for corn leaf disease identification［J］. Computers and Electronics in Agriculture，2022，197：106943.

［7］Qian X F，Zhang C Q，Chen L，et al. Deep learning-based identification of maize leaf diseases is improved by an attention mechanism：self-attention［J］. Frontiers in Plant Science，2022，13：864486.

［8］毛" 銳，張宇晨，王澤璽，等. 利用改進(jìn)Faster-RCNN識(shí)別小麥條銹病和黃矮?。跩］. 農(nóng)業(yè)工程學(xué)報(bào)，2022，38（17）：176-185.

［9］馬超偉，張" 浩，馬新明，等. 基于改進(jìn)YOLO v8的輕量化小麥病害檢測(cè)方法［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2024，40（5）：187-195.

［10］李偉豪，詹" 煒，周" 婉，等. 輕量型Yolov7-TSA網(wǎng)絡(luò)在茶葉病害檢測(cè)識(shí)別中的研究與應(yīng)用［J］. 河南農(nóng)業(yè)科學(xué)，2023，52（5）：162-169.

［11］曾晏林，賀壹婷，藺" 瑤，等. 基于BCE-YOLO v5的蘋果葉部病害檢測(cè)方法［J］. 江蘇農(nóng)業(yè)科學(xué)，2023，51（15）：155-163.

［12］Mathew M P，Yamuna Mahesh T. Determining the region of apple leaf affected by disease using YOLO v3［C］//2021 International Conference on Communication，Control and Information Sciences. Idukki：IEEE，2021：1-4.

［13］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.

［14］Wang Y W，Wang Y J，Zhao J B. MGA-YOLO：a lightweight one-stage network for apple leaf disease detection［J］. Frontiers in Plant Science，2022，13：927424.

［15］趙嘉威，田光兆，邱" 暢，等. 基于改進(jìn)YOLO v4算法的蘋果葉片病害檢測(cè)方法［J］. 江蘇農(nóng)業(yè)科學(xué)，2023，51（9）：193-199.

［16］黃" 煒，王娟娟，殷學(xué)麗. 基于特征分離的小樣本蘋果病害葉片檢測(cè)［J］. 江蘇農(nóng)業(yè)科學(xué)，2023，51（23）：195-202.

［17］李鑫然，李書琴，劉" 斌. 基于改進(jìn)Faster R_CNN的蘋果葉片病害檢測(cè)模型［J］. 計(jì)算機(jī)工程，2021，47（11）：298-304.

［18］公徐路，張淑娟. 基于改進(jìn)YOLO v5s的蘋果葉片小目標(biāo)病害輕量化檢測(cè)方法［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2023，39（19）：175-184.

［19］孫長蘭，林海峰. 一種基于集成學(xué)習(xí)的蘋果葉片病害檢測(cè)方法［J］. 江蘇農(nóng)業(yè)科學(xué)，2022，50（20）：41-47.

［20］王瑞鵬，陳鋒軍，朱學(xué)巖，等. 采用改進(jìn)的EfficientNet識(shí)別蘋果葉片病害［J］. 農(nóng)業(yè)工程學(xué)報(bào)，2023，39（18）：201-210.

［21］李紅光，于若男，丁文銳. 基于深度學(xué)習(xí)的小目標(biāo)檢測(cè)研究進(jìn)展［J］. 航空學(xué)報(bào)，2021，42（7）：100-118.

［22］龍" 陽，肖小玲. 基于多注意力機(jī)制的蘋果葉部病害檢測(cè)方法［J］. 江蘇農(nóng)業(yè)科學(xué)，2023，51（23）：178-186.

［23］Yang Q，Duan S K，Wang L D. Efficient identification of apple leaf diseases in the wild using convolutional neural networks［J］. Agronomy，2022，12（11）：2784.

［24］Hughes D P，Salathe M. An open access repository of images on plant health to enable the development of mobile disease diagnostics throung machine learning and crowdsourcing［EB/OL］. （2016-04-12）［2023-06-10］. https：//arxiv.org/abs/1511.08060.

［25］Feng J Z，Chao X F. Apple tree leaf disease segmentation dataset［DS/OL］. （2022-03-31） ［2023-06-10］. https：//www.scidb.cn/en/detail？dataSetId=0e1f 57004db842f99668d82183afd578.

［26］Thapa R，Zhang K，Snavely N，et al. The Plant Pathology Challenge 2020 data set to classify foliar disease of apples［J］. Applications in Plant Sciences，2020，8（9）：e11390.

［27］Chen X L，F(xiàn)ang H，Lin T Y，et al. Microsoft coco captions：data collection and evaluation server［J/OL］. ［2024-03-15］. https：//arxiv.org/abs/1504.00325.

［28］Loureiro C，F(xiàn)ilipe V，Gonalves L. Attention mechanism for classification of melanomas［C］//International Conference on Optimization，Learning Algorithms and Applications，2022：65-77.

［29］Li X，Zhong Z S，Wu J L，et al. Expectation-Maximization Attention Networks for Semantic Segmentation［C］//International Conference on Computer Vision，2019.

［30］Guo M H，Liu，Z N，Mu T J，et al. Beyond self-attention：external attention using two linear layers for visual tasks［C］//IEEE Transactions on Pattern Analysis and Machine Intelligence. 2021：5436-5447.

［31］Hou Q，Zhou D，F(xiàn)eng J.Coordinate Attention for Efficient Mobile Network Design［C］//2021 IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2021：13708-13717.

［32］Woo S，Park J，Lee J Y，et al. CBAM：convolutional block attentionmodule［C］//European Conference on Computer Vision. Cham：Springer，2018：3-19.

［33］Liu Z，Mao H Z，Wu C Y，et al. A ConvNet for the 2020s［C］//2022 IEEE/CVF Conference on Computer Vision and PatternRecognition. New Orleans，2022：11966-11976.

［34］Zhang Y F，Zhang Z，Jia Z，et al. Focal and efficient IoU loss for accurate bounding box regression［J］. Neurocomputing，2022，506（28）：146-157.

［35］曹" 超，顧幸生. 基于改進(jìn)YOLO v8的行李追蹤技術(shù)［J］. 計(jì)算機(jī)工程與應(yīng)用，2024，60（9）：151-158.