用于复杂环境下果蔬检测的改进YOLOv5算法研究

作者：汪颖; 王峰^*; 李玮; 王艳艳; 王应彪; 罗鑫

来源：中国农机化学报, 2023, 44(01): 185-191.

DOI：10.13733/j.jcam.issn.2095-5553.2023.01.026

• YOLOv5
• 果蔬检测
• 注意力机制
• 完全交并比
• 特征金字塔

针对不同光照，遮挡重叠，大视场等复杂环境下，自动采摘机器人无法快速准确地识别果蔬目标的问题，提出一种用于复杂环境下果蔬检测的改进YOLOv5(You Only Look Once v5)算法。首先，在主干网络Backbone中的CBL模块中嵌入卷积注意力机制(Convolutional Block Attention Module, CBAM),提高目标特征的提取能力。其次，引入完全交并比非极大抑制算法(Complete IOU Non-maximum suppression, CIOU-NMS),考虑长宽边长真实差，提高回归精度。最后，用加权双向特征金字塔网络(Bidirectional Feature Pyramid Network, BiFPN)替换原始YOLOv5的路径聚合网络(PANet),融合多尺度特征提高识别精度和准确率。以苹果为例进行试验，结果表明：改进YOLOv5算法精准率为94.7%,召回率为87%,平均精度为92.5%,相比于原始YOLOv5算法AP提高3.5%,在GPU下的检测时间为11 ms,可以实现复杂情况下的果蔬快速准确识别。

• 单位
  西南林业大学