精度优于大模型
改进的YOLOv5s算法结合CBAM注意力机制与ASFF特征融合，实现灰飞虱的高效识别与计数，模型小巧且精度超越YOLOv5x，适合部署在移动端。
Wenxuan, Huang · Yan, Huo · Shaochen, Yang · Mingjia, Liu · 李寒 · Man, Zhang
Computers and Electronics in Agriculture 2023
改进后的模型mAP比YOLOv5x高约2%，而体积仅为其七分之一，证明了小模型在特征融合和注意力机制下也能达到甚至超越大模型的精度。
模型体积小，适合迁移到手机端；研究者开发了Android APP，集成了图像识别、计数和实时识别功能，便于田间现场使用。
通过引入通道注意力、空间注意力和自适应空间特征融合，模型能够更好地聚焦害虫特征并融合多尺度信息，提升识别精度。