■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■■［２１］杨坚，钱振，张燕军，等．采用改进ＹＯＬＯｖ４－ｔｉｎｙ的复杂环境下番茄实时识别［Ｊ］．农业工程学报，２０２２，３８（９）：２１５－２２１．［２２］ＹａｎｇＬ，ＺｈａｎｇＲＹ，ＬｉＬ，ｅｔａｌ．Ｓｉｍａｍ：ａｓｉｍｐｌｅ，ｐａｒａｍｅｔｅｒ－ｆｒｅｅａｔｔｅｎｔｉｏｎｍｏｄｕｌｅｆｏｒｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ［Ｃ］／／ＰｒｏｃｅｅｄｉｎｇｓｏｆｔｈｅＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＭａｃｈｉｎｅＬｅａｒｎｉｎｇ．Ｖｉｅｎｎａ，２０２１：１１８６３－１１８７４．［２３］袁自然，叶寅，武际，等．基于高光谱成像技术的辣椒叶片叶绿素含量估算［Ｊ］．江苏农业科学，２０２１，４９（１６）：１８９－１９３．［２４］ＨｅＫＭ，ＺｈａｎｇＸＹ，ＲｅｎＳＱ，ｅｔａｌ．Ｄｅｌｖｉｎｇｄｅｅｐｉｎｔｏｒｅｃｔｉｆｉｅｒｓ：ｓｕｒｐａｓｓｉｎｇｈｕｍａｎ－ｌｅｖｅｌｐｅｒｆｏｒｍａｎｃｅｏｎＩｍａｇｅＮｅｔｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ］／／２０１５ＩＥＥＥＩｎｔｅｒｎａｔｉｏｎａｌＣｏｎｆｅｒｅｎｃｅｏｎＣｏｍｐｕｔｅｒＶｉｓｉｏｎ．Ｓａｎｔｉａｇｏ，２０１５：１０２６－１０３４．［２５］金松林，来纯晓，郑颖，等．基于特征选择和ＣＮＮ＋Ｂｉ－ＲＮＮ模型的小麦抗寒性识别方法［Ｊ］．江苏农业科学，２０２２，５０（１０）：２０１－２０７．［２６］陕西省统计局，国家统计局陕西调查总队．陕西统计年鉴：２０２１［Ｍ］．北京：中国统计出版社，２０２１．周绍发，肖小玲，刘忠意，等．改进的基于ＹＯＬＯｖ５ｓ苹果树叶病害检测［Ｊ］．江苏农业科学，２０２３，５１（１３）：２１２－２２０．ｄｏｉ：１０．１５８８９／ｊ．ｉｓｓｎ．１００２－１３０２．２０２３．１３．０３２改进的基于ＹＯＬＯｖ５ｓ苹果树叶病害检测周绍发，肖小玲，刘忠意，鲁力（长江大学计算机科学学院，湖北荆州４３４０００）摘要：针对目前在复杂环境下苹果树叶病害检测准确度低、鲁棒性差、计算量大等问题，提出一种改进的基于ＹＯＬＯｖ５ｓ苹果树叶病害的检测方法。首先，该方法在ＹＯＬＯｖ５ｓ网络基础上，选择考虑方向性的ＳＩｏＵ边框损失函数替代ＣＩｏＵ边框损失函数，使网络训练和推理过程更快，更准确。其次，...
