一种改进型YOLOv5草莓检测算法

作者：陈玉堂; 唐忠; 张大伟^*

来源：辽东学院学报(自然科学版), 2023, 30(03): 220-228.

DOI：10.14168/j.issn.1673-4939.2023.03.09

• YOLOv5
• 轻量化网络
• 注意力机制
• 草莓检测

针对现有的草莓检测算法模型参数量大、准确率低、实时性差等问题，提出一种改进型YOLOv5草莓检测算法。算法基于YOLOv5模型，骨干网络引入GhostConv和C3Ghost模块进行参数量压缩，构造轻量化模型；加入Cutout增强数据，增加训练样本的多样性，进而提高模型的泛化能力和抗干扰能力；通过引入Gather-Excite和Transformer注意力机制加强对草莓图像重要特征的关注，从而提升检测算法在复杂环境下的识别能力。实验显示，所提算法的平均精度均值1和平均精度均值2分别为97.7%和83.5%,参数量缩减为4.01 M,推理时间为26.3 ms。改进后的算法相比原算法具有识别速度快、定位准度高以及占用内存少的优势，在满足精准采摘工作要求的前提下可以提高采摘效率。

• 单位
  沈阳化工大学; 辽东学院