基于改进YOLO v5的复杂环境下桑树枝干识别定位方法

文献类型： 中文期刊

第一作者： 李丽

作者： 李丽;卢世博;任浩;徐刚;周永忠

作者机构：

关键词： 桑叶采摘;枝干识别定位;YOLO v5;目标检测;注意力机制;坐标转换

期刊名称： 农业机械学报

ISSN： 1000-1298

年卷期： 2024 年 002 期

页码： 249-257

收录情况： EI ; 北大核心 ; CSCD

摘要： 为实现复杂自然环境下对桑树嫩叶处枝干的识别检测，改变当前桑叶采摘设备作业过程中依赖人工辅助定位的现状，解决识别目标姿态多样和环境复杂导致的低识别率问题，提出一种基于改进YOLO v5模型的桑树枝干识别模型（YOLO v5-mulberry）,并结合深度相机构建定位系统。首先，在YOLO v5的骨干网络中加入CBAM（Convolutional block attention module）注意力机制，提高神经网络对桑树枝干的关注度；并增加小目标层使模型可检测4像素×4像素的目标，提高了模型检测小目标的性能；同时使用GIoU损失函数替换原始网络中的IoU损失函数，有效防止了预测框和真实框尺寸较小时无法正确反映预测框及真实框之间位置关系的情况；随后，完成深度图和彩色图的像素对齐，通过坐标系转换获取桑树枝干三维坐标。试验结果表明：YOLO v5-mulberry检测模型的平均精度均值为94.2%,较原模型提高16.9个百分点，置信度也提高12.1%;模型室外检测时应检测目标数53,实际检测目标数为48,检测率为90.57%;桑树嫩叶处枝干三维坐标识别定位系统的定位误差为（9.498 5 mm, 11.285 mm, 19.11 mm）,满足使用要求。该研究可实现桑树嫩叶处枝干的识别与定位，有助于推动桑叶智能化采摘机器人研究。

分类号： TP391.41%S887.327

  • 相关文献

[1]基于改进YOLO v5复杂场景下肉鹅姿态的检测算法研究. 刘璎瑛,曹晅,郭彬彬,陈慧杰,戴子淳,龚长万. 2023

[2]基于改进YOLO v5的复杂环境下柑橘目标精准检测与定位方法. 李丽,梁继元,张云峰,张官明,淳长品. 2024

[3]改进YOLOv4的温室环境下草莓生育期识别方法. 龙洁花,郭文忠,林森,文朝武,张宇,赵春江. 2021

[4]基于改进YOLOv5s的硬核期葡萄簇检测. 冯晓,张辉,刘运超,张微,李小红,马中杰. 2024

[5]基于YOLOv5s-SE和通道剪枝的虫咬紫金蝉茶检测方法研究. 戴佳兵,宋春芳,凌彩金,李臻锋,孙崇高. 2024

[6]基于YOLOv5改进模型的丁香鱼围网作业目标检测研究. 张佳泽,张胜茂,樊伟,唐峰华,杨胜龙,孙永文,王书献,刘洋,朱文斌. 2023

[7]基于坐标注意力机制与高效边界框回归损失的线虫快速识别. 陆健强,梁效,余超然,兰玉彬,邱洪斌,黄捷伟,尹梓濠,陈慧洁,郑胜杰. 2022

[8]基于改进YOLOv5n模型的农作物病虫害识别方法. 承达瑜,赵伟,何伟德,武择鹏,王建东. 2024

[9]基于改进YOLO v8的轻量化稻瘟病孢子检测方法. 罗斌,李家超,周亚男,潘大宇,黄硕. 2024

[10]融合亮度自适应模块的端到端低光环境黑猪检测技术研究. 黄梦真,李皞,胡桓浚,李梓芃,盛钟尹,刘义凡,夏震言,郑奥运. 2025

[11]基于改进YOLOv5s的咖啡果实成熟度检测方法. 罗锟鹏,文勇,曾志康. 2025

[12]MDSD-YOLO:一种复杂道路场景目标检测方法. 赵龙阳,李天豪,张会兵,刘琦,孟瑞敏. 2025

[13]GPS经纬度坐标转平面坐标的简化计算方法及精度分析. 肖体琼,陈怡群,常春. 2005

[14]手持GPS的功能及其在野外调查中的应用. 李鹏,杨婷婷,王秋菊,道仁托娅. 2008

[15]基于C#的北京54到西安80坐标转换程序设计. 王亚楠,袁占良,郭俏琳,杨腾飞. 2015

[16]空间直角坐标与大地坐标转换的拉格朗日反演方法. 过家春,赵秀侠,吴艳兰. 2014

[17]OpenGL与Windows坐标相互转换的实现. 王瑞永,乔江,袁清. 2011

[18]基于RDN-YOLO的自然环境下水稻病害识别模型研究. 廖娟,刘凯旋,杨玉青,严从宽,张爱芳,朱德泉. 2024

[19]基于YOLO v5和多源数据集的水稻主要害虫识别方法. 梁勇,邱荣洲,李志鹏,陈世雄,张钟,赵健. 2022

[20]遮挡条件下多视角甜椒果实点云三维重构方法. 王昱,易振峰,谭文超,郭金菊,周星星,赵俊宏. 2024

作者其他论文 更多>>

微信小程序