基于改进YOLOv5s模型的自然场景中绿色柑橘果实检测

文献类型： 中文期刊

第一作者： 吕强

作者： 吕强;林刚;蒋杰;王明之;张皓杨;易时来

作者机构：

关键词： 柑橘;图像识别;YOLO;绿色果实;轻量化模型;移动部署

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2024 年 40 卷 018 期

页码： 147-154

收录情况： EI ; 北大核心 ; CSCD

摘要： 针对未成熟柑橘果实智能检测存在精度低、模型大的问题，该研究提出了一种基于YOLOv5s改进的绿色柑橘检测算法模型YOLO-GC，实现对复杂自然环境中果实的实时准确检测。首先，针对YOLOv5s网络模型较大且难以部署的问题，以轻量级GhostNet网络替换原始的骨干网络，同时为减小模型轻量化后精度下降的影响和提高对绿色柑橘特征的关注度，嵌入全局注意力机制（global attention mechanism,GAM）增强网络在复杂环境下对果实特征的提取能力；其次，为了改善密集与小目标果实的检测效果，引入BiFPN(bi-directional feature pyramid network)架构进行多尺度的加权特征融合；最后，为减少果实与枝叶遮挡、重叠造成的漏检，采用GIoU(generalized intersection over union)损失函数结合Soft-NMS(soft-non-maximum suppression)算法优化边界框回归机制。试验结果表明：相较于YOLOv5s,YOLO-GC的权重模型内存减小了53.9%，参数量减少了55.2%，平均精度AP0.5提升了1.2个百分点，平均推理时长减少46.2%。YOLO-GC模型的综合检测性能优于YOLOv8等7种常用网络模型，在安卓手机APP中检测准确率达到97.2%，推理时长减少了85.8%。研究表明，该研究模型为复杂环境中绿色果实检测及模型部署应用提供了技术支撑。

分类号： S225%TP391.41

  • 相关文献

[1]基于YOLOv8网络的棉蚜图像识别算法及软件系统设计. 马盼,杨子恒,万虎,何顺,黄远,徐胜勇. 2023

[2]基于深度学习的蚕茧种类识别研究. 石洪康,李林波,祝明辉,陈义安,马勇,张剑飞. 2023

[3]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

[4]田间害虫图像识别中的特征提取与分类器设计研究. 张红涛,胡玉霞,赵明茜,邱道尹,张孝远,张恒源. 2008

[5]基于DRGB的运动中肉牛形体部位识别. 邓寒冰,许童羽,周云成,苗腾,张聿博,徐静,金莉,陈春玲. 2018

[6]基于图像纹理特征的养殖鱼群摄食活动强度评估. 陈彩文,杜永贵,周超,孙传恒. 2017

[7]不同自然场景下葡萄果实识别方法研究. 马本学,贾艳婷,梅卫江,高国刚,吕琛. 2015

[8]高光谱成像技术和主成分分析识别玉米籽粒的胚(英文). 黄文倩,李江波,张驰,张保华,张百海. 2012

[9]红外传感器与机器视觉融合的果树害虫识别及计数方法. 田冉,陈梅香,董大明,李文勇,矫雷子,王以忠,李明,孙传恒,杨信廷. 2016

[10]图像识别技术在农业领域中的应用. 林羽,刘斌琼. 2020

[11]基于卷积神经网络的农机图像自动识别研究. 雷雪梅,张光强,姚旗,刘伟渭,邱帅. 2022

[12]基于迁移学习和金字塔卷积网络的河蟹个体图像识别方法研究. 冯裕清,杨信廷,徐大明,罗娜,陈枫,孙传恒. 2022

[13]基于YOLOv3深度卷积神经网络的田间百香果定位. 林营志,卢依琳,刘现. 2019

[14]基于图像识别技术的金针菇表型高通量采集与分析. 朱怡航,张小斌,沈颖越,顾清,金群力,郑可锋. 2021

[15]基于ResNet-50深度卷积网络的果树病害智能诊断模型研究. 金瑛,叶飒,李洪磊. 2021

[16]基于性诱和深度学习的草地贪夜蛾成虫自动识别计数方法. 邱荣洲,赵健,何玉仙,陈韶萍,黄美玲,池美香,梁勇,翁启勇. 2021

[17]一种谷粒粒形参数的高通量智能检测方法. 吴建伟,明博,卢大文,杨宝祝. 2015

[18]基于Faster R-CNN的美国白蛾图像识别模型研究. 薛大暄,张瑞瑞,陈立平,陈梅香,徐刚. 2020

[19]多结构参数集成学习的设施黄瓜病害智能诊断. 高荣华,李奇峰,孙想,顾静秋,彭程. 2020

[20]畜禽疫病智能防控技术发展现状与展望. 蒋瑞祥,余礼根,丁露雨,高荣华,马为红,李奇峰,崔晓东. 2020

作者其他论文 更多>>

微信小程序