基于改进YOLOv5的红树林单木目标检测研究

作者：马永康; 刘华^*; 凌成星; 赵峰; 姜怡; 张雨桐

来源：激光与光电子学进展, 2022, 59(18): 436-446.

DOI：10.3788/lop202259.1828003

• 红树林单木
• 无人机影像
• 深度学习
• 目标检测
• YOLOv5-ECA

针对无人机影像中红树林单木目标较小且分布密集，对其检测时自动化程度不高、效率低等问题，基于深度学习方法提出了一种红树林单木目标检测模型（YOLOv5-ECA），以实现对无人机影像中红树林单木快速、精确的自动识别和定位。首先利用开源软件LabelImg在选取的无人机影像上依次标注目标树，构建红树林单木数据集；其次选择YOLOv5为基础目标检测模型，依据目标分布密集且尺寸较小的特点对其进行优化和改进；使用有效通道注意力（ECA）机制对CSPDarknet53骨干网络进行改进，避免降维的同时增强特征表达能力，并在SPP模块引入SoftPool改进池化操作，保留更多细节特征信息；最后利用ACON自适应激活函数自适应地决定是否激活神经元。结果表明：使用已构建的数据集对改进前后的网络进行训练，在测试集上对比准确率、召回率、平均精准度的均值（mAP）@0.5等参数，各模型略有差异但均趋于收敛；所提YOLOv5-ECA的平均检测精度较YOLOv5提高了3.2个百分点，较YOLOv4提升了5.19个百分点，同时训练损失也更低，能够快速、精准且自动化地检测红树林单木目标，较好地提升了对红树林单木的识别和定位能力。

• 单位
  中国林业科学研究院资源信息研究所