基于改进YOLOv5s的麦穗检测与计数

作者：高伟; 沈克宇; 邵仕泉^*

来源：信息技术与信息化, 2022, (11): 105-111.

• 麦穗检测与计数
• 改进YOLOv5s
• PP-LCNet
• 坐标注意力

为了快速准确地检测麦穗并计数，特提出改进YOLOv5s的麦穗检测与计数的轻量网络模型PY-bckbone。首先，基于PP-LCNet轻量网络结构，对YOLO(you only look once)v5s的特征提取网络进行替换，减少网络参数和计算量；其次，为提高检测精度，在网络特征提取处加入坐标注意力机制，并且对颈部特征融合处的卷积层做改动，提升模型在复杂麦田背景下检测目标的能力，最后，将改进后的模型与其它经典模型进行麦穗检测与计数实验对比。结果表明：均值平均精度值为94.2%，分别比Faster RCNN、 SSD、YOLOv4-tiny、Yolov5s提高的百分点数为6.79、32.75、22.08、1.1；参数量比YOLOv5s减少了28%，计算量减少了42%。与传统检测网络相比，该模型在麦田复杂场景下具有较好较快的检测能力。

• 单位
  西南民族大学