摘要
草莓目标检测有助于监测草莓的实时生长状态,对草莓智能化管理具有重要意义。本文针对复杂环境下的草莓目标检测问题进行研究,提出了一种基于GAM注意力机制的改进型YOLOv5目标检测算法。本文在数据集标注的基础上,通过在YOLOv5模型的颈部网络添加GAM注意力机制来提升模型的特征提取能力,并对比分析不同注意力机制类型的融合检测效果。实验结果表明:相比于原始YOLOv5网络模型,本文所用方法有效提升了草莓目标检测性能,可以更好地平衡检测精度和效率,能够满足草莓目标的实时检测需求。
出处
《农业与技术》
2025年第1期46-49,共4页
Agriculture and Technology
基金
江苏农林职业技术学院科技项目(项目编号:2022kj42)
2023年江苏省职业院校学生创新创业培育计划项目(项目编号:202313103024Y)。
作者简介
崔明(1991-),男,硕士,讲师。研究方向:机器视觉、人工智能。
