基于YOLOv5改进模型的柑橘果实识别方法
2022-05-11分类号：S666;TP391.41
【部门】华南农业大学电子工程学院(人工智能学院) 国家柑橘产业技术体系机械化研究室 广东省农情信息监测工程技术研究中心 人工智能与数字经济广东省实验室(广州) 华南农业大学工程基础教学与训练中心
【摘要】为实现在自然环境下对柑橘果实的识别，提出一种基于YOLOv5改进模型的柑橘识别方法。通过引入CBAM(convolutional block attention module，卷积注意力模块)注意力机制模块来提高网络的特征提取能力，改善遮挡目标与小目标的漏检问题；用α-IoU损失函数代替GIoU损失函数作为边界框回归损失函数，提高边界框定位精度。结果显示：本研究提出的模型平均精度AP值达到91.3%，在GPU上对单张柑橘果实图像的检测时间为16.7 ms，模型占用内存为14.5 Mb。结果表明，本研究基于YOLOv5的改进算法可实现在自然环境下快速准确地识别柑橘果实，满足实时目标检测的实际应用需求。
【关键词】YOLOv5 柑橘识别 自动采摘 CBAM 损失函数 注意力机制 α-IoU
【基金】国家重点研发计划（2020YFD1000107）;; 国家自然科学基金项目（31971797）;; 国家现代农业产业技术体系建设专项（CARS–26）;; 广东省科技厅项目（2021A1515010923）;; 广东省省级乡村振兴战略专项（粤财农[2021]37号）;; 广东省大学生科技创新培养专项（pdjh2020a0083）
【所属期刊栏目】华中农业大学学报(自然科学版)
文献传递
