基于YOLOv5-CP的复杂环境下油茶果检测

作者：肖章; 彭江; 刘俊杰; 孙二杰; 彭如恕

来源：中国农机化学报, 2023, 44(12): 193-199.

DOI：10.13733/j.jcam.issn.2095-5553.2023.12.029

• 油茶果
• 目标检测
• YOLOv5算法
• 数据增强
• 坐标注意力模块

为解决复杂环境下油茶果的检测精度不高的问题，提出一种YOLOv5-CP的油茶果检测方法。首先利用RealSense D435i深度相机在自然场景下采集各种环境下的油茶果图像，使用LabelImg软件进行油茶果的标注；然后引入Cutout数据增强方法和坐标注意力模块(Coordinate Attention),以及提出一种改进的PANet特征提取层对YOLOv5模型进行优化，构建一种新的油茶果检测模型YOLOv5-CP;最后将YOLOv5-CP与现有模型在复杂环境下进行油茶果检测对比试验。试验表明：YOLOv5-CP模型的检测准确率、召回率以及平均精度分别为98%、94.6%以及98.4%,遮挡和重叠环境下对比原YOLOv5模型检测准确率分别提升11.3%和10.8%。本文方法有效提升油茶果检测过程中遮挡、重叠等复杂环境下果实的检测准确率，为后续开发油茶采摘机器人提供理论基础。

• 单位
  南华大学