基于改进YOLO v5的橙子果实识别方法

作者：刘忠意; 魏登峰^*; 李萌; 周绍发; 鲁力; 董雨雪

来源：江苏农业科学, 2023, 51(19): 173-181.

DOI：10.15889/j.issn.1002-1302.2023.19.026

• YOLO v5
• 橙子识别
• RepVGG
• 损失函数
• ECA注意力
• 鬼影混洗卷积

针对自然环境下橙子检测存在枝叶遮挡、相邻果实重叠等情况而导致检测效果差的问题，提出一种改进的YOLO v5方法。首先，在主干网络部分使用RepVGG(re-param VGG)模块替换原始C3模块，加强网络对特征信息的提取能力；其次，在颈部网络使用鬼影混洗卷积(ghost-shuffle convolution)代替原有的标准卷积，能够在保证精度的前提下，降低模型参数量；再次，在预测头前加入ECA(efficient channel attention)注意力模块，能够更加准确定位目标信息；最后，引入EIOU(efficient intersection over union)损失函数加速预测框的收敛，提高其回归精度。改进的YOLO v5网络在自然环境下的橙子检测中平均精度达到90.1%,相比于目前热门的检测网络CenterNet、YOLO v3和YOLO v4其在识别效果方面有一定的提升。可见，所提出的改进网络在橙子检测上更有优势，能为今后智能采摘机器人的研发提供理论支撑和技术参考。

• 单位
  长江大学