-
题名基于改进型YOLOv5s的番茄实时识别方法
被引量：5
- 1
-
-
作者
杨国亮
王吉祥
聂子玲
-
机构
江西理工大学电气工程与自动化学院
-
出处
《江苏农业科学》
北大核心
2023年第15期187-193,共7页
-
基金
江西省教育厅科技计划(编号:GJJ190450、GJJ180484)。
-
文摘
针对现有番茄检测精度低、没有品质检测和部署难度高等问题,提出基于YOLOv5s改进的番茄及品质实时检测方法,并与原始YOLOv5模型及其他经典模型进行对比研究。结果表明,针对番茄大小不同的问题,采用K-Means++算法重新计算先验锚框提高模型定位精度;在YOLOv5s主干网络末端添加GAM注意力模块,提升模型检测精度并改善鲁棒性;应用加权双向特征金字塔网络(BiFPN)修改原有结构,完成更深层次的加权特征融合;颈部添加转换器(transformer),增强网络对多尺度目标的检测能力。改进后的YOLOv5s番茄识别算法检测速度达到72帧/s。在测试集中对番茄检测均值平均精度(mAP)达到93.9%,分别比SSD、Faster-RCNN、YOLOv4-Tiny、原始YOLOv5s模型提高17.2、13.1、5.5、3.3百分点。本研究提出的番茄实时检测方法,在保持检测速度的同时,可降低背景因素干扰,实现复杂场景下对番茄的精准识别,具有非常好的应用前景,为实现番茄自动采摘提供相应技术支持。
-
关键词
番茄检测
YOLOv5s
K-means++
gam注意力模块
加权双向特征金字塔
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
