来源：期刊VIP网 时间：
作者：陈卫东;王莹;丁俊丹;何为;
单位：河南工业大学信息科学与工程学院;河南工业大学粮食储运国家工程研究中心;
摘要：针对当前因检测背景复杂、粮虫个体较小等因素造成的储粮害虫检测准确率较低、漏检、误检的现状，提出一种改进YOLOv5s的检测方法。使用MobileNetv3作为YOLOv5s模型的主干特征提取网络，并将其SE注意力机制修改为ECA模块，减少计算量和参数量；同时，调整PANet网络为加权双向特征金字塔BiFPN结构，增强特征融合能力；颈部网络部分引入Swin Transformer,解决全局提取特征不足的问题，提升识别精度；采用EIOU损失函数，提高模型的收敛速度。结果表明：改进后的模型mAP达到97.8%,FPS达到133.3,与主流目标检测模型比较，表现出较强的鲁棒性和泛化能力；改进的YOLOv5s检测模型能克服复杂环境的影响，显著提高储粮害虫在密集分布及遮挡条件下的检测效果。研究结果为移动设备上实现储粮害虫实时检测提供技术参考。
关键词：储粮害虫;;YOLOv5s;;MobileNetv3;;BiFPN;;Swin Transformer;;EIOU
基金资助：财政部和农业农村部国家现代农业产业技术体系资助项目(CARS-03)
