基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序

文献类型： 中文期刊

第一作者： 夏烨

作者： 夏烨;雷哓晖;祁雁楠;徐陶;袁全春;潘健;姜赛珂;吕晓兰

作者机构：

关键词： 梨树花序;智能识别;YOLOv5s;加权双向特征金字塔;轻量化模型

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2022 年 003 期

页码： 108-119

摘要： 疏花是梨生产中的重要农艺措施，机械化智能疏花是当今高速发展的疏花方式，花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题，提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法Ghost-YOLOv5s-BiFPN。通过对田间采集的梨树花苞与花朵图像进行标注与数据扩充后送入算法进行训练得到检测模型。Ghost-YOLOv5sBiFPN运用加权双向特征金字塔网络（Bi-directional Feature Pyramid Network,BiFPN）替换原始的路径聚合网络（Path Aggregation Network,PAN）结构，对网络提取的不同尺寸目标特征进行有效的融合。同时运用Ghost模块替换传统卷积，在不降低准确度的同时减少模型参数量和提升设备运行效率。田间试验结果表明，改进的Ghost-YOLOv5s-BiFPN算法对梨树花序中花苞与花朵的检测精度分别为93.2%和89.4%，两种目标平均精度为91.3%，检测单张图像时间为29 ms，模型大小为7.62 M。相比于原始YOLOv5s算法，检测精度与召回度分别提升了4.2%和2.7%，检测时间和模型参数量分别降低了9 ms和46.6%。本研究提出的算法可对梨树花苞与花朵进行精确的识别和分类，为后续梨园智能化疏花的实现提供技术支持。

分类号： S661.2%TP391.41

  • 相关文献

[1]基于改进YOLOv5n的花生荚果实时检测方法. 吴阳华,王建楠,刘敏基,游兆延,谢焕雄,杜元杰. 2025

[2]基于改进YOLOv5s模型的自然场景中绿色柑橘果实检测. 吕强,林刚,蒋杰,王明之,张皓杨,易时来. 2024

[3]用于边缘计算设备的果树挂果量轻量化估测模型. 夏雪,柴秀娟,张凝,周硕,孙琦鑫,孙坦. 2023

[4]基于改进YOLOV5s网络的奶牛多尺度行为识别方法. 白强,高荣华,赵春江,李奇峰,王荣,李书琴. 2022

[5]基于机器视觉的鲐鱼鱼体定向排列输送装置设计与试验. 万鹏,黄毓毅,汪荣,李梦珂,肖畅宇,吴文锦. 2023

[6]目标检测算法YOLOv5s用于柑桔成熟果实检测的改进. 蹇川,郑永强,刘艳梅,马岩岩,易时来,吕强,谢让金. 2024

[7]机采茶叶嫩芽的图像采集与识别. 俞龙,黄浩宜,周波,黄楚斌,唐劲驰,胡春筠. 2024

[8]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[9]多源场景下粘虫板小目标害虫轻量化检测识别模型. 杨信廷,胡焕,陈晓,李汶政,周子洁,李文勇. 2025

[10]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

[11]指针式仪表读数的机器视觉智能识别方法. 施滢,夏春华,胡琳娜,孟迎军. 2017

[12]基于图像处理的茶叶害虫智能识别方法研究. . 2019

[13]基于Android和深度学习的外来入侵植物智能识别系统. 刘万学,蒯乃阳,韩爽,冼晓青,陈宝雄,吕军,姚青. 2021

[14]基于VGG-16卷积神经网络的水稻害虫智能识别研究. 钱蓉,孔娟娟,朱静波,张萌,董伟. 2020

[15]基于模糊光照处理的田间鲜烟成熟度图像智能判别方法研究. 代英鹏,刘浩,毕庆文,赵勇,王松峰,孟令峰,张国超,孙福山. 2024

[16]茶叶智能采摘技术研究进展与展望. 李杨,董春旺,陈建能,贾江鸣. 2022

[17]基于迁移学习的多模型水稻病害识别方法研究. 王忠培,张萌,董伟,朱静波,孔娟娟,钱蓉. 2021

[18]茶树尺蛾科典型害虫成虫智能识别技术研究. 吴阿林,周孝贵,肖强. 2014

[19]基于改进MobileNet的轻量级外来入侵植物识别模型研究. 吴鸿飞,刘万学,冼晓青,赵梦欣,姚青. 2024

[20]荔枝机械化收获关键技术研究进展. 季超,邓怡国,燕波,王业勤,陈沛民. 2025

作者其他论文 更多>>

微信小程序