改进YOLOv5的苹果花生长状态检测方法

• 作者: 杨其晟 李文宽 杨晓峰 岳琳茜 李海芳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: YOLOv5 农业自动监测 特征融合 目标检测
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 237-246
• 页数: 10页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2107-0523

摘要

针对现有目标检测算法难以在果园复杂环境下对苹果花朵生长状态进行高精度检测的问题,提出一种改进YOLOv5的苹果花朵生长状态检测方法,对花蕾、半开、全开、凋落四类苹果树开花期花朵生长状态进行检测.该方法对跨阶段局部网络模块进行改进,并调整模块数量,结合协同注意力模块设计主干网络,提高模型检测性能并减少参数.结合新的检测尺度与基于拆分的卷积运算设计特征融合网络,提升网络特征融合能力.选用CIoU作为边框回归的损失函数实现高精度的定位.将改进算法与原始YOLOv5算法在自建数据集上进行对比实验,结果表明,改进算法mAP达到0.922,比YOLOv5提高5.4个百分点,与其他主流算法相比检测精度有较大提升,证明了算法的有效性.