蘋果葉片病害檢測的輕量化YOLOv5研究與實現

摘要：隨著農業智能化水平不斷提升，蘋果葉片病害自動化檢測十分必要，而現有的自動化檢測模型由于網絡結構復雜，難以在移動端進行部署。基于此，構建一種YOLOv5—SCFG輕量模型。首先，引入輕量型網絡ShuffleNetv2重新構建YOLOv5骨干網絡，保證網絡整體輕量化；然后，在頸部網絡引入CARAFE上采樣算子和FasterNet模塊，增強特征提取能力，加快特征融合速度；最后，添加全局注意力機制GAM，彌補網絡輕量化帶來的精度損失。結果表明，YOLOv5—SCFG模型權重大小為6.2 MB，平均精度均值mAP為85.9%，計算量FLOPs為6.3 G。相比于YOLOv5s，模型權重大小減少57%，mAP下降0.2%，FLOPs減小61%。

關鍵詞：蘋果葉片；輕量化模型；病害檢測；YOLOv5s

中圖分類號：S436.611; TP391.4" " " 文獻標識碼：A" " " 文章編號：2095?5553 （2025） 04?0126?07

Research and implementation of a lightweight YOLOv5 for apple leaf disease detection

Zhou Junchang Zeng Wei Peng Peng Pang Jicheng Liu Junjun Yang Xilin

（1. College of Computer Science and Cyber Security， Chengdu University of Technology， Chengdu， 610059， China;

2. Sichuan Engineering Technology Research Center of Industrial Internet Intelligent Monitoring and Application， Chengdu， 610059， China）

Abstract： With the continuous improvement of agricultural intelligence level， the automatic detection method of apple leaf disease becomes important and necessary， but the existing automatic detection algorithm model is often difficult to deploy on the mobile terminal due to the complex network structure， a lightweight model of YOLOv5—SCFG is proposed in this paper. Firstly， the lightweight ShuffleNetv2 network is introduced to rebuild the YOLOv5 backbone network， so as to ensure the overall lightweight network. Additionally， the CARAFE up?sampling operator and FasterNet module are introduced into the neck network， so as to enhance feature extraction capabilities and speed up feature fusion. Finally， the global attention mechanism （GAM） is introduced to compensate for the loss of precision caused by network lightweighting. The experimental results show that the weight size of YOLOv5—SCFG model is 6.2 MB， mAP is 85.9%， and FLOPs is 6.3 G. Compared with YOLOv5s， the weight size of YOLOV5-SCFG model is reduced by 57%， mAP is decreased by 0.2%， and FLOPs is decreased by 61%.

Keywords： apple leaves; lightweight model; disease detection; YOLOv5s

0 引言

蘋果作為重要的農業作物，具有豐富的營養價值和經濟價值，為人類的健康生活提供物質保障[1]。但在蘋果種植過程中，蘋果葉片容易受到各種病蟲的侵害，如果不能及時檢測和控制，將極大影響蘋果的產量與質量[2]。因此，對蘋果葉片病害的快速、精準識別十分關鍵。傳統的蘋果葉部病害識別方法多是依賴人工識別，然后采取噴灑化學藥劑等相應措施進行防治[3]。但這種方法時間成本高、效率低，由于病害的多樣性，果農可能會做出誤判、漏判等情況，導致蘋果病害進一步惡化。

隨著人工智能的不斷發展，基于深度學習的各種技術已應用于各個領域[4]。其中，由于卷積神經網絡具備優秀的特征提取能力，如雙階段檢測模型R—CNN[5]、Fast R-CNN[6]、Faster R-CNN[7]等，單階段檢測模型YOLO[8]、SSD[9]、RetinaNet[10]等，十分適用于目標檢測領域。因此，人們逐步將其應用于農業作物的病害檢測，并取得顯著進展。曹躍騰等[11]提出一種輕量化網絡Simplify—RestNet，對植物葉片病害檢測準確率達92.45%。宋中山等[12]提出一種基于Faster R—CNN二值化的方法對柑橘病蟲害進行檢測，準確率均在85%以上。徐會杰等[13]通過改進YOLOv3對玉米葉片病害進行檢測，準確率為93.31%。

在蘋果葉片病害檢測領域中，Zhong等[14]使用DenseNet—121卷積網絡，并通過回歸、多標簽分類和焦點損失函數3種方法來識別蘋果葉部病害，分別取得了93.51%、93.31%和93.71%的準確率。Sun等[15]利用MEAN模塊和Inception模塊構建一種新的蘋果葉病害檢測模型MEAN—SSD，mAP達到83.12%。徐艷蕾等[16]使用Transformer構建CaTNet對蘋果病害檢測達到80%的精度。Zhu等[17]在YOLOv5中引入CA注意力機制和FEM特征增強模塊對蘋果葉片病害進行檢測，mAP達到95.9%。Zhu等[18]構建新輕量網絡LAD—Net對蘋果葉片病害進行檢測，準確率達98.58%。Zhang等[19]構建新網絡BCTNet并部署在自建物理聯網上對4種蘋果葉片病害進行檢測，試驗結果均符合實際需求。Jiang等[20]通過引入CA注意力改進MobileNetV3對蘋果葉片病害進行檢測，準確率達到98.31%。

上述學者在基于深度學習方面的蘋果葉片病害檢測研究中取得進展，但仍存在一些不足。一方面模型準確率高，但模型不夠輕量，不能滿足需要長時間戶外作業的農業人員；另一方面盡管使用輕量化模型，但模型的魯棒性均明顯下降，不能滿足復雜背景下蘋果葉片病害檢測。因此，找到一種既能兼顧準確性和魯棒性，又相對輕量化的模型是蘋果病害相關研究者的共同目標。

本文提出一種改進的YOLOv5蘋果葉片病害檢測模型YOLOv5—SCFG，以解決模型在輕量化和魯棒性無法更好平衡的問題。在模型方面，首先選擇ShuffleNetV2作為骨干網絡，保證模型的整體輕量；然后使用CARAFE采樣算子和FasterNet模塊去優化頸部網絡，以增強特征提取和重組能力，并加快特征融合速度；最后引入全局注意力機制GAM，在不顯著增加計算資源的基礎上，彌補部分網絡輕量化帶來的精度損失。在魯棒性方面，選擇蘋果葉片的5種常見病害來構建葉片檢測數據集，這些圖片是在復雜的野生環境中收集的，以提高模型的泛化能力。

1 改進的YOLOv5病害檢測模型

1.1 YOLOv5—SCFG網絡結構

YOLOv5—SCFG網絡結構如圖1所示，主要由輸入層（Input）、骨干網絡（Backbone）、頸部網絡（Neck）和輸出層（Head）4部分組成。其中輸入層主要負責圖片的預處理，如自適應錨框計算、自適應圖片計算等；骨干網絡主要進行圖片的特征提取，使用ShuffleNetv2基本模塊和全局注意力機制GAM構建特征提取網絡，替換原有網絡CSP—Darknet53實現骨干網絡輕量化；頸部網絡則負責將骨干網絡的特征進行融合，使用CARAFE采樣算子替換原有上采樣算子最鄰近插值，增強特征提取與融合能力，使用FasterNet模塊替換頸部網絡的C3模塊，輕量化頸部網絡并加快運算速度；輸出層最后負責輸出置信度得分最高的預測類別以及坐標位置。

1.2 骨干網絡輕量化

1.2.1 ShuffleNetv2

ShuffleNetv2[21]是一種輕量化網絡，為使檢測速度和精度性能平衡，該網絡充分考慮不同內存訪問成本（MAC），提出更加高效的網絡單元，如圖2所示，Unit1負責特征提取，Unit2主要負責下采樣。在Unit1中對輸入的特征圖先進行通道劃分（Channel split），左右兩側各占輸入特征圖的一半，其中左側分支不處理，右側依次進行卷積、批量歸一化等操作，當右側完成卷積后，兩側便會進行Concat操作，最后進行通道混洗。在Unit2中對輸入的特征圖不進行通道劃分，而是將特征圖分別輸入到左右兩側，各自進行卷積、批量歸一化等操作，之后通過Concat得到兩倍輸入的通道數，以此增強特征提取能力，最后經過通道混洗，并輸出。

1.2.2 GAM注意力

GAM[22]注意力機制通過減少信息的丟失和放大全局跨維度交互特征的注意力機制，其結構如圖3所示。

GAM全局注意力采用CBAM中的順序通道，特征圖[F1]首先由通道注意力重新分配目標權重后，再進入空間注意力進一步重新分配目標權重，得到最終輸出特征圖[F3]。

通道注意力如圖4所示，首先將大小為[C×W×H]（[H、W、]C分別表示特征圖高、寬、通道數）的特征圖[F1]轉換為[W×H×C]，再通過MLP來放大跨維通道，之后重置特征圖維度，再將結果通過Sigmoid函數激活，得到最后的特征圖[F2]。

空間注意力機制如圖5所示，將大小為[C×W×H]的特征圖先后通過2個7×7的卷積使空間信息得到融合，之后再通過Sigmoid函數激活得到最后的特征圖[F3]。

1.3 頸部網絡優化

1.3.1 上采樣算子

YOLOv5采用的上采樣方式為最鄰近插值，通過采用點四周相鄰像素點中距離最近像素點的灰度值，該采樣方式簡單、速度快，但忽略相鄰其他像素點的影響，導致灰度值不連續，出現鋸齒狀，對圖像信息有影響。采用CARAFE[23]上采樣算子，該算子具有特征融合能力強、運行速度快等特點，如圖6所示。

該算子由核預測與特征重組2個模塊組成，首先是核預測模塊，該部分先通過1×1卷積將特征圖通道壓縮為[Cm]，再通過卷積進行內容編碼，使特征通道變為[σ2×k" " 2up]（[σ]表示上采樣倍率，[k" " 2up]表示上采樣尺寸），接著按照空間維度展開成[σH×σW×k" " 2up]大小并進行歸一化處理，生成重組內核模塊；其次特征重組模塊則是將未進行通道壓縮的特征圖與維度展開的核預測模塊進行點積，得到最終特征圖。

1.3.2 FasterNet模塊

YOLOv5的頸部網絡中，C3卷積模塊是負責特征融合的一個重要部分，采用深度可分離卷積和跨階段連接的設計思想，減少網絡的參數量和計算量，提高網絡的效率和準確性。但由于其較深的網絡結構，需要更多硬件資源，尤其是在高分辨率圖像上的處理會更加耗時。使用FasterNet[24]模塊來代替C3卷積，其結構如圖7所示，由一個PConv和兩個逐點卷積組成一個殘差網絡的結構。對輸入的特征圖先進行PConv卷積，降低冗余計算，以快速獲得部分通道的特征信息，并保留未被卷積的通道，之后再使用兩次1×1的逐點卷積，處理所有通道的特征信息，并將得到的結果與輸入相加并輸出。

PConv卷積原理如圖8所示，輸入通道的其中一部分使用普通Conv進行空間特征提取，其余通道均保持不變。在不損失一般性的前提下，輸入和輸出特征圖將是恒等的通道數量。對于連續或規則的內存訪問，將第一個或最后一個連續的通道視為整個特征圖的計算代表，用于進行PConv卷積的浮點計算。

2 數據制作與試驗準備

2.1 數據收集

圖像數據來自公開數據集AppleLeaf9[25]，該數據集融合了4個已公開數據集，為增強模型應對環境變化能力，增強模型的魯棒性，該數據集選用的圖片中野外復雜背景的圖片占比為94%。數據集包含蘋果健康葉片、銹病、斑點落葉病等9種蘋果葉片病害，選取其中5種葉片病害作為試驗樣本，部分樣本如圖9所示，共2 830張圖像。

2.2 數據預處理

試驗通過Labelimg軟件對葉片病害區域進行標注，生成XML標注文件，通過格式轉化的腳本，將XML標注文件轉化為YOLO需要的txt標注文件，并以8∶2將數據集劃分為訓練集和測試集。由于挑選的5種葉片病害中部分數據樣本數量相對較少，網絡泛化性較差，為避免出現網絡過擬合并增強模型的魯棒性，使用python語言編寫一個數據增強的腳本，包括添加高斯噪聲、垂直翻轉、旋轉等幾種方式，最終得到圖片數量如表1所示，總共4 490張圖片，訓練集3 592張，測試集898張。

2.3 環境設置

試驗均在工作室計算機實現，Window 11操作系統，硬件配置為處理器Intel（R） Core（TM） i7-12700KF@3.61 GHz，內存為64.0 GB；搭配24 G顯存的Nvidia GeForce RTX 3090，使用Python 3.7.16 和Pytorch 1.13.1，CUDA 11.6構建深度學習環境。

YOLOv5—SCFG訓練時輸入圖像為640像素×640像素，采用每批次樣本數為16，線程設置2，動量因子為0.937，初始學習率為0.01，采用隨機梯度下降法（SGD）進行訓練，共訓練200輪。

2.4 評價指標

使用精確率P、召回率R、平均精度均值mAP、模型大小Size、浮點運算FLOPs、參數量Params來體現網絡的性能。其中精確率、召回率計算如式（1）、式（2）所示。

利用精確率和召回率繪制PR曲線并求出積分得到每種類別平均精度AP，見式（3），再對所有類別（Total classes）的AP取平均值，即得到mAP，計算如式（4）所示。

3 試驗結果與分析

3.1 YOLOv5—SCFG與YOLOv5s對比

為直觀體現YOLOv5—SCFG網絡模型的性能，與原YOLOv5s模型的參數對照如表2所示。YOLOv5—SCFG模型相比于YOLOv5s，浮點運算減少61%，模型大小減少57%，但由于特征提取網絡輕量化后，卷積參數減少，對模型的特征提取能力減弱，導致模型平均精度均值降低0.2%，但由于其輕量化的效果明顯，為后續實現移動端部署提供較大可能。

為更直觀地體現所提出模型的有效性，使用Grad—CAM[26]對YOLOv5—SCFG和YOLOv5s進行熱力圖可視化對比，結果如圖10所示。

在落葉斑點病中，YOLOv5—SCFG的特征提取相對YOLOv5s效果略差，部分病害區域僅得到少許關注；在褐斑病、灰斑病和鐵銹病的特征提取中，二者特征提取效果相差無幾；在花斑病中，YOLOv5—SCFG表現效果更好，更加關注病害區域的主體部分，具有更強的病害特征提取能力。

3.2 模型消融試驗對比

為較客觀地分析使用ShuffleNetv2卷積模塊、FasterNet模塊和GAM注意力機制以及CARAFE算子較原模型的提升，進行消融試驗，結果如表3所示。試驗1為原始YOLOv5s模型，在不添加和替換任何模塊的條件下，mAP為86.1%，參數量為7 M，浮點運算為15.8 G，模型大小為14.4 MB；在試驗2中將原有骨干網絡替換為ShuffleNetV2，在參數量、浮點運算以及模型大小均減少50%的情況下，mAP也相應減少6.1%，說明模型輕量化后，會造成精度損失；試驗3將C3模塊替換為FasterNet模塊，頸部網絡得到輕量化，模型體積減少14%，但mAP下降0.8%；試驗4將原有最鄰近插值算子替換為CARAFE，mAP增加1.7%，說明該算子特征提取融合能力較好，但復雜度相比原有算子更高，導致模型體積等參數均有上升；試驗5則是在YOLOv5s的網絡中添加GAM注意力機制，mAP較原網絡提升0.6%，參數量、浮點運算、模型大小均有所增加，說明在不顯著增加計算量的基礎上，對精度提升有幫助；試驗6在試驗2的基礎上進一步輕量化，mAP較YOLOv5s下降6.3%，但參數量、浮點運算、模型大小均進一步減少25%；試驗7在試驗6的基礎上增加CARAFE算子，在保持輕量化程度不變的情況下，mAP相比原YOLOv5s模型減少1.1%；試驗8在試驗7的基礎上添加GAM注意力機制，mAP增加0.9%，進一步說明，在不顯著增加計算量的情況下，GAM對精度提升有一定幫助，相比于原YOLOv5s，盡管mAP減少0.2%，但這對于實際戶外檢測影響較小，且整體網絡輕量化得到巨大提升，有利于在計算資源有限的移動端設備上開展智能化病害檢測。

3.3 不同檢測模型對比

本文提出的模型與SSD、YOLOv3、YOLOv3—tiny、YOLOv4、YOLOv4—tiny等模型參數對比結果如表4所示。SSD作為最初的單階段模型，mAP相對較低，且模型大小以及運算量等不如其他后續發展的模型；YOLOv3與YOLOv4作為YOLO系列的后續版本，mAP值相對SSD效果較好，但由于其較大的計算量以及模型體積，嚴重占用硬件的計算資源以及內存空間，不適合移動端部署。YOLOv3—tiny與YOLOv4—tiny作為各自模型的輕量化，輕量化效果相比原模型較好，但綜合效果不如YOLOv5的輕量版YOLOv5s，YOLOv5—SCFG作為YOLOv5s的改進，mAP相比YOLOv5s降低0.2%，但計算量、浮點運算以及模型體積均降低55%以上，在實現硬件端部署，提供更大可能性。

4 結論

1） 對YOLOv5s的骨干網絡進行改進，采用更輕量的ShuffleNetv2作為新的骨干網絡，進行特征提取；實現頸部網絡的優化，通過使用FasterNet模塊去替換C3模塊，保證頸部網絡的輕量化，再對上采樣算子進行優化，使用CARAFE替換原有的最鄰近插值方法，使得在上采樣過程擁有更強的特征提取與融合能力；在不顯著增加計算量的情況下，在骨干網絡中添加GAM注意力機制彌補部分模型因過多輕量化而導致的精度損失。

2） 提出的YOLOv5s改進算法平均精度均值達到85.9%，參數量為2.9 M、浮點運算為6.3 G、模型大小為6.2 MB，相比于YOLOv5s，檢測精度下降0.2%，但模型更加輕量化，與SSD、YOLOv3、YOLOv3—tiny、YOLOv4、YOLOv4—tiny相比，所提出的模型精度均值最高，對硬件消耗的資源最少，有利于將模型部署在移動終端等資源受限的設備上，為后續研究提供新思路和方向。

參 考 文 獻

[ 1 ] Khan A I， Quadri s MK， Banday S， et al. Deep diagnosis： A real?time apple leaf disease detection system based on deep learning [J]. Computers and Electronics in Agriculture， 2022， 198： 107093.

[ 2 ] Ding R， Qiao Y， Yang X， et al. Improved resnet based apple leaf diseases identification [J]. IFAC?PapersOnLine， 2022， 55（32）： 78-82.

[ 3 ] Dutot M， Nelson L M， Tyson R C. Predicting the spread of postharvest disease in stored fruit， with application to apples [J]. Postharvest Biology and Technology， 2013， 85： 45-56.

[ 4 ] Sarker I H. Deep learning： A comprehensive overview on techniques， taxonomy， applications and research directions [J]. SN Computer Science， 2021， 2（6）： 420.

[ 5 ] Girshick R， Donahue J， Darrell T， et al. Rich feature hierarchies for accurate object detection and semantic segmentation [C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition， 2014： 580-587.

[ 6 ] Girshick R. Fast R—CNN [C]. 2015 IEEE International Conference on Computer Vision （ICCV） 2015： 1440-1448.

[ 7 ] Ren S， He K， Girshick R， et al. Faster R—CNN： Towards real?time object detection with region proposal networks [J]. IEEE Transactions Pattern Analysis and Machine Intelligence， 2017， 39（6）： 1137-1149.

[ 8 ] Redmon J， Divvala S， Girshick R， et al. You only look once： Unified， real?time object detection [C]. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition， 2016： 779-788.

[ 9 ] Liu W， Anguelov D， Erhan D， et al. SSD： Single shot multibox detector [C]. Computer Vision?ECCV 2016： 14th European Conference， Amsterdam， the Netherlands， October 11-14， 2016， Proceedings， part I 14. Springer International Publishing， 2016： 21-37.

[10] Lin T Y， Goyal P， Girshick R， et al. Focal loss for dense object detection [J]. IEEE Transactions on Pattern Analysis and Machine Intelligence， 2020， 42（2）： 318-327.

[11] 曹躍騰， 朱學巖， 趙燕東， 等. 基于改進ResNet的植物葉片病蟲害識別[J]. 中國農機化學報， 2021， 42（12）： 175-181.

Cao Yueteng， Zhu Xueyan， Zhao Yandong， et al. Recognition of plant leaf diseases and insect pests based on improved ResNet [J]. Journal of Chinese Agricultural Mechanization， 2021， 42（12）： 175-181.

[12] 宋中山， 汪進， 鄭祿， 等. 基于二值化的Faster R—CNN柑橘病蟲害識別研究[J]. 中國農機化學報， 2022， 43（6）： 150-158.

Song Zhongshan， Wang Jin， Zheng Lu， et al. Research on citrus pest identification based on Binary Faster R—CNN [J]. Journal of Chinese Agricultural Mechanization， 2022， 43（6）： 150-158.

[13] 徐會杰， 黃儀龍， 劉曼. 基于改進YOLOv3模型的玉米葉片病蟲害檢測與識別研究[J]. 南京農業大學學報， 2022， 45（6）： 1276-1285.

[14] Zhong Y， Zhao M. Research on deep learning in apple leaf disease recognition [J]. Computers and Electronics in Agriculture， 2020， 168： 105146.

[15] Sun H， Xu H， Liu B， et al. Mean—SSD： A novel real?time detector for apple leaf diseases using improved light?weight convolutional neural networks [J]. Computers and Electronics in Agriculture， 2021， 189： 106379.

[16] 徐艷蕾， 孔朔琳， 陳清源， 等. 基于Transformer的強泛化蘋果葉片病害識別模型[J]. 農業工程學報， 2022， 38（16）： 198-206.

Xu Yanlei， Kong Shuolin， Chen Qingyuan， et al. Model for identifying strong generalization apple leaf disease using Transformer [J]. Transactions of the Chinese Society of Agricultural Engineering， 2022， 38（16）： 198-206.

[17] Zhu R， Zou H， Li Z， et al. Apple—Net： A model based on improved YOLOv5 to detect the apple leaf diseases [J]. Plants， 2023， 12（1）： 169.

[18] Zhu X， Li J， Jia R， et al. Lad—Net： A novel light weight model for early apple leaf pests and diseases classification [J]. IEEE/ACM Transactions on Computational Biology and Bioinformatics， 2023， 20（2）： 1156-1169.

[19] Zhang Y， Zhou G， Chen A， et al. A precise apple leaf diseases detection using BCTNet under unconstrained environments [J]. Computers and Electronics in Agriculture， 2023， 212： 108132.

[20] Jiang Y， Tong W. Improved lightweight identification of agricultural diseases based on MobileNetV3 [C]. CAIBDA 2022; 2nd International Conference on Artificial Intelligence， Big Data and Algorithms. VDE， 2022： 1-5.

[21] Ma N， Zhang X， Zheng H T， et al. Shufflenet v2： Practical guidelines for efficient CNN architecture design [C]. Proceedings of the European Conference on Computer Vision （ECCV）， 2018： 116-131.

[22] Liu Y， Shao Z， Hoffmann N. Global attention mechanism： Retain information to enhance channel?spatial interactions [J]. arXiv preprint arXiv： 2112.05561， 2021.

[23] Wang J， Chen K， Xu R， et al. Carafe： Content?aware reassembly of features [C]. Proceedings of the IEEE/CVF International Conference on Computer Vision， 2019： 3007-3016.

[24] Chen J， Kao S， He H， et al. Run， don't walk： Chasing higher FLOPS for faster neural networks [C]. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition， 2023： 12021-12031.

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

[26] Selvaraju RR， Cogswell M， Das A， et al. Grad—CAM： Visual explanations from deep networks via gradient?based localization [J]. International Journal of Computer Vision， 2020， 128（2）： 336.