-
题名基于改进YOLOv5s的轻量化鲜茶叶识别方法
被引量：1
- 1
-
-
作者
吴擎
韦润轩
周乐
杨浩
刘婉茹
徐红梅
-
机构
华中农业大学工学院
农业农村部长江中下游农业装备重点实验室
-
出处
《智能化农业装备学报(中英文)》
2025年第1期1-14,共14页
-
基金
湖北省高等学校优秀中青年科技创新团队计划项目(T201934)。
-
文摘
茶芽分类识别是名优茶生产中十分重要的环节。针对目前茶芽识别算法模型尺寸大、计算量大且无法区分采摘形态等问题,本研究以YOLOv5s为基线模型,提出了一种改进的鲜茶叶识别模型(YOLOv5s-SPCS)。首先,收集实验室环境和自然环境下的鲜茶叶图像制作鲜茶叶数据集。其次,基于ShuffleNetV2思想构建Shuffle Block模块替换主干网络中的卷积模块,在减少模型参数量和计算量的同时提高特征提取速度。然后,在颈部网络引入部分卷积结构PConv和无参数注意力机制SimAM构建C3-PCS模块替换原C3结构,减少模型计算冗余和内存访问,提高识别精度。最后,采用SIoU作为边界框损失函数,提高预测框收敛速度和收敛精度。试验结果表明,YOLOv5s-SPCS模型参数量、计算量和权重文件大小分别为YOLOv5s模型的14%、14%和16%,对鲜茶叶识别准确率为81.8%、平均精度均值为82.4%,相较于原始模型,准确率提升了2.7个百分点,平均精度均值保持不变。此外,改进后的YOLOv5s-SPCS模型整体性能优于当前常用的Faster R-CNN、SSD、YOLOv3、YOLOv4等目标检测模型。本研究可为鲜茶叶识别分类及后续移动端部署提供有效的技术支持。
-
关键词
深度学习
YOLOv5
轻量化
鲜茶叶
目标检测
-
Keywords
deep learning
YOLOv5s
lightweight
fresh tea
target detection
-
分类号
S24
[农业科学—农业电气化与自动化]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
