文章：“基于改进的Yolov5s的自然情况下的害虫和生姜疾病”杂志：农业工程学杂志，第1期，2024年，套装：Lan Yubin，Sun Binshu，Zhang Lechun，Zhao Denan，Zhao Denan推荐了：Huang Wenjiang（Huang Wenjiang）的研究人员科学）在埃罗萨（Aerossa）的帕斯（Paas）市，农业情报已经加速。如何在自然复杂环境中准确检测到产量害虫和疾病已成为智能农业领域研究的重要方向。文章提出了围绕自然场景中颗粒病和疾病疾病的主要技术问题的实用和有效解决方案，为实施智能农业设备的实施提供了强有力的支持。本文着重于识别自然环境中姜害虫和疾病的实际需求，密切符合前线农业生产的技术缺陷，并基于轻巧模型，发现和运营实时化的三个主要问题进行系统和深入的研究。通过引入轻质网络结构，该模型被替换并重建网络，这有效地降低了模型计算的总体复杂性和存储资源的消耗。同时，为了提高模型在密集环境中捕获疾病，害虫和疾病的小特征的能力，结合了注意机制模块，网络表达功能和定位功能得到了增强，从而提高了识别的一般准确性。实验结果表明，尽管改进的模型大大减少了参数的量，体积计算和体积，但它仍然保持良好的发现性能，并且具有强大的工程可用性。这项研究不仅使旅馆对模型的设计结构进行了排卵尝试，但也与算法和硬件扩展的应用水平完成了深入的集成。 - 计算模型已成功部署到侧计算平台。考虑到轻量级和高性能的双重要求，通过加速张力，优化和多线程编程等工程技术，模型检测速度得到了提高，这强烈支持了实时和Mahusay的两种需求的农业设备。值得注意的是，研究团队已经付出了很多努力来构建数据集，并从许多小时，充足的灯光和自然领域的复杂背景中收集了真实的图像示例。通过增加数据，模型的概括能力和实际场景中的灵活性得到显着提高。以应用为中心的数据构建的实用方法可确保模型的在复杂环境中的灵活性和稳定性，还为相关的害虫和疾病识别活动提供了很好的数据标准。与主要对象的多个检测模型进行了比较，表明该模型对发现的准确性和识别速度具有明显的好处，平均准确性的平均值可显着提高，而错过的发现和不当行为显着降低，证明了对象发现的小物体发现中的有效性和高级模型。这种成功为标准问题提供了技术参考，即在农业领域发现小的目标害虫并具有较高的促销价值。一般而言，这项研究非常符合智能农业的实际需求，全面使用融入 - 深度教育和智能硬件的技术好处，不仅可以增强作物和害虫的技术系统，而且还提供了重要的参考。智能系统 - 农业的研究和开发。预计研究促进和应用程序的结果预计将在提高种植经济作物（例如生姜，减少施用的农药量）以及促进绿色和可持续的农业发展的效率方面发挥积极作用。 Holumn主持人：江金