-
题名基于优化YOLOv5算法的玉米苗间杂草检测研究
- 1
-
-
作者
张天宇
韩静
廖洪晖
曲欣锐
-
机构
黑龙江八一农垦大学工程学院
-
出处
《中国农机化学报》
北大核心
2025年第7期220-225,共6页
-
基金
黑龙江省“揭榜挂帅”科技攻关项目(2023ZXJ07B02)
黑龙江八一农垦大学学成、引进人才科研启动计划项目(XDB202101)。
-
文摘
针对玉米苗间杂草种类繁多、检测复杂度高、检测速度慢的问题,设计一种基于优化YOLOv5算法的玉米苗间杂草检测方法。在YOLOv5主干网络的卷积层中引入SE无参数注意力模块,构建融入SE模块的C3替换原本的C3模块,更好地聚焦在检测目标上。同时,将BoTNet模块替换传统的残差神经网络,在ResNet的最后3个bottleneck blocks中使用全局多头自注意替换3×3空间卷积,从而提高对小目标检测的准确性。使用改进的目标检测算法检测杂草,将田间中非玉米苗的区域标记为杂草,利用超绿特征结合OTSU阈值分割算法,分割土壤背景,找出杂草的前景区域,从而有效解决玉米苗田中的杂草检测问题。结果表明,改进后的YOLOv5算法在玉米苗的目标检测上精确率达97.5%,较原始的YOLOv5算法提高7.4%,检测速度达40 ms,从而提高检测精度和模型的鲁棒性,满足实时检测的需求。
-
关键词
玉米苗间杂草检测
YOLOv5
注意力模块
botnet模块
超绿特征
OTSU阈值分割
-
Keywords
weed detection among maize seedlings
YOLOv5
attention module
botnet module
super-green feature
OTSU threshold segmentation
-
分类号
S451
[农业科学—植物保护]
-
