DOI：10.3969/j.issn.1672-3872.2025.04.030
基金项目：重庆市市级大学生创新创业训练计划项目“益农之家”（S202212608006）
作 者：陈江川 ，曹芷怡 ，余赠宇 ，王恒达（重庆工程学院，重庆 400056）
摘 要：【目的】农田害虫种类多、信息复杂，传统人力监测手段难以满足现代农业需求，因此亟需更先进高效精准的监测技术与策略提高对农田病虫害的识别效率和准确性。【方法】提出了一种基于YOLOv5的农田病虫害图像检测识别系统，引入了Input、Backbone主干网络、数据增强技术、PIL图像处理库等，增强了网络提取图像特征的能力。同时，共收集了13 160张害虫的图像构建数据集，并按7∶3划分了训练集和测试集，通过多次测试计算精确率、召回率和F1值等性能指标，评估模型效果。【结果】在经过1 500世代的训练后，平均精确度约为0.83，平均验证精确度约为0.791，F1值约为0.877，充分证明了模型在复杂条件下的鲁棒性和高精度识别能力。【结论】运用深度学习的YOLOv5和数据挖掘技术进行农田病虫害图像识别研究，有助于实现自动化精准识别，为农业生产和生态保护提供支持保障。深度学习技术在农业智能化管理方面的应用潜力巨大，未来可以增加害虫的种类来扩充数据集，进一步提升识别精度，推动相关产业的健康发展。
关键词：YOLOv5；目标检测；病虫害识别
引文信息：[1]陈江川，曹芷怡，余赠宇，等.基于YOLOv5的农田病虫害检测识别方法[J].南方农机，2025，56(4)：112-117.
查看全文请下载PDF文件↓
