摘要：针对卷烟厂仓储车间在检测烟草粉螟时普遍存在的检测速度慢及检测精度低的问题,研发了一种基于改进轻量化YOLOv5s的卷烟厂烟草粉螟视觉检测方法。该方法利用特征图之间的相关性和冗余性设计EESP-Ghost模块,并以该模块为基础设计融合高效空间金字塔的双重注意力Ghost-bneck模块,将其引入到YOLOv5s模型中以实现深度神经网络模型的轻量化,同时提高检测精度。利用烟草粉螟数据集对该方法进行验证实验,结果表明,该方法在参数量仅为原始YOLOv5s参数量49.88%的情况下,检测平均精度(mAP)提升了4.37%。该方法在真实检测场景下对粘附到粘虫板上的烟草粉螟进行检测时,检测置信度、正确检测数均较高,可实现对卷烟厂烟草粉螟的高精度实时检测,为烟草粉螟的有效防治提供保障。