基于改进YOLO v5的苹果采摘机器人目标检测方法

作者：胡仕林; 陈伟^*; 张境锋; 魏庆宇; 金学广

来源：农机化研究, 2024, 46(06): 48-55.

DOI：10.13427/j.cnki.njyi.2024.06.009

• 苹果采摘机器人
• 目标检测
• YOLOv5
• 深度可分离卷积

为实现复杂环境中苹果采摘机器人目标快速检测，克服传统YOLO v5网络结构复杂、计算性能弱的缺点，提出了一种基于深度可分离卷积YOLO v5的采摘机器人目标检测方法。在采集苹果样本图像并制作实验数据集后，进行模型训练和测试，引入深度可分离卷积YOLO v5网络对苹果图像进行特征提取，解决了网络中参数冗余问题，提高了采摘机器人的识别速度；采用CIoU-Loss损失函数和DIoU-NMS非极大值抑制方法，对损失函数进行优化，提升了机器人视觉系统对苹果的定位精度。机器人采摘试验结果表明：算法检测精度达95.8%,检测速度达53帧/s,机器人单次采摘时间为4.7s,采摘成功率达93.9%。检测方法在减少模型参量的同时可保证检测精度和效率，具有较强的工程实用性。

• 单位
  常州信息职业技术学院; 江苏科技大学