摘要： 针对害虫体积小、种类繁多，且农田环境复杂等识别难题，提出一种基于YOL05的水稻害虫识别改进 模型一YOL0-BiCa。引入BiFormer优化骨千网络，增强小目标的特征提取能力，同时精简网络结构，降低模型 复杂度；在检测头融入坐标注意力机制(Coordinate Attention,CA),其通过结合通道信息和位置信息，提高模型 的特征表达能力和性能，同时保持了轻量级和灵活性；在自建的水稻害虫数据集上进行试验。结果表明：Y0L0 BiCa的mAP、Precison、Recall分别为86.2%、86.4%、81.3%。较原Y0L0v5算法提高了4.5%、11.5%、2.5%。 同时也比较了SSD、Faster RCNN等目前主流的目标检测算法，结果均有较大提升。YOLO-BiCa在提高检测精度 的同时，模型参数量减少50%，有效实现了模型的轻量化与性能的平衡，为水稻害虫识别提供新的思路和方案。

关键词: 水稻；害虫识别；目标检测；YOLOv:5, 注意力机制

中图分类号: 

• S24