基于YOLOv5的草莓轻量化网络检测模型 |
| |
引用本文: | 杨世忠,王瑞彬,高升,邵明伟.基于YOLOv5的草莓轻量化网络检测模型[J].国外电子测量技术,2023(4):86-95. |
| |
作者姓名: | 杨世忠 王瑞彬 高升 邵明伟 |
| |
作者单位: | 青岛理工大学信息与控制工程学院 |
| |
基金项目: | 山东省自然科学基金(ZR2020QF101)项目资助; |
| |
摘 要: | 随着现代农业技术的发展,草莓生产和采摘的自动化是一个必然的趋势,而草莓目标检测是实现采摘自动化的关键环节。基于YOLOv5目标检测算法,采用ShuffleNet轻量级网络结构替代原模型的特征提取网络,并在骨干网络提取的特征图后加入SE通道方向的注意力机制,结合EIoU和Alpha-IoU损失函数,设计了一个α-EIoU损失函数,给定参数α的值为3,统一指数化IoU损失函数,据此获得更准确的边界框回归和目标检测。改进的模型在草莓小目标数据集上平均检测精度均值达到了97.6%,其中成熟草莓的准确率为99.4%,与YOLOv3、YOLOv4和YOLOv5相比,平均精度均值(mAP)分别提高了5.4%、2.9%和1.1%,该模型识别图像传输帧率为125 fps,比原YOLOv5模型提升了38 fps,该实验模型更适应于移动端部署,为草莓采摘识别的自动化提供了一些理论基础。
|
关 键 词: | 目标检测 YOLOv5 轻量化网络模型 草莓识别 损失函数 |
|
|