文章编号：1673-887X(2023)05-0041-03基于YOLOv5s的草莓病害识别系统设计邱菊1，徐燕2（北京物资学院信息学院，北京101149）摘要草莓种植易受到20多种病害的影响，目前草莓病害识别主要以人工为主，耗时费力，效率较低。因此，文章基于YO-LOv5s目标检测算法（YOLOYouOnlyLookOnce:Unified,Real-TimeObjectDetection），对采集到的696张草莓病害图片进行模型训练，设计草莓病害识别系统，实验结果显示系统识别精度接近80%，相较于传统草莓病害识别技术更便捷且识别效率更高。关键词草莓病害；YOLOv5s；图像识别；深度学习中图分类号S436.68文献标志码Adoi:10.3969/j.issn.1673-887X.2023.05.015DesignofStrawberryDiseaseIdentificationSystemBasedonYOLOv5sQiuJu1,XuYan2(SchoolofInformation,BeijingWuziUniversity,Beijing101149,China)AbstractAbstract：Strawberryiseasilyaffectedbymorethan20diseasesduringplanting.Atpresent,strawberrydiseaseidentificationismainlymanual,time-consumingandlaborious,withlowefficiency.Therefore,basedontheyolov5simagerecognitionalgorithm,thispaperconductsmodeltrainingon696collectedstrawberrydiseaseimages,anddesignsastrawberrydiseaserecognitionsystem.Theexperimentalresultsshowedthattherecognitioneffectofthesystemisgood.Keywords：strawberrydiseases,YOLOv5s,patternrecognition,deeplearning草莓肉质细韧，酸甜适口，营养丰富，在国内外市场上备受欢迎。但是，草莓种植过程中易受到20多种病害威胁，制约了草莓的产业化发展。目前草莓病害识别仍以人工为主，耗时费力，人工成本高，急需科技化手段提升草莓病害识别效果。人工智能技术已被广泛应用于图像识别、目标追踪等领域。很多学者尝试利用人工智能技术解决草莓病害识别方面的问题[1]，牛冲等人运用改进的分水岭图像分割技术，通过特征提取对草莓病害进行识别[2]。崔灿等人则是利用卷积神经网络（CNN）进行草莓病害识别[3]，CNN是一种前向神经网络和深度学习方法，通过共享权值、局部连接和池化达到网络更优化并降低过拟合，利用多层卷积层和池化层提取图像的分类特征[4]。张金慧等人提出了利用人工智能技术的草莓病害识别设备[5]。以上学者的研究虽在一定程度上提高了识别草莓病害的效率，但仍存在识别类型单一、操作复杂、识别效率较低等问题。因此，本文以草莓作为研究对象，采用YOLOv5s算法，针对目前人工识别草莓病害耗时...
