文献类型： 中文期刊

作者： 冯晓 ¹ ; 张辉 ¹ ; 刘运超 ² ; 张微 ¹ ; 李小红 ¹ ; 马中杰 ¹ ;

作者机构： 1.河南省农业科学院农业经济与信息研究所

2.聊城大学物理科学与信息工程学院

关键词： 葡萄簇;目标检测;YOLOv5s算法;重参数化;注意力机制

期刊名称： 中国农机化学报

ISSN： 2095-5553

年卷期： 2024 年 008 期

页码： 240-245

收录情况： 北大核心

摘要： 为实现自然环境下硬核期葡萄簇的快速精准检测，提出一种改进的YOLOv5s网络。首先，将YOLOv5s主干特征提取网络和加强特征提取网络中的卷积模块（Conv）替换为拥有更强特征提取能力的RepConv模块；然后，将YOLOv5s主干特征提取网络中C3结构的BottleNeck也替换为RepConv模块；接下来，将高效通道注意力模块（ECA）添加到YOLOv5s加强特征提取网络中的C3结构；最后，将YOLOv5s卷积模块中的激活函数SiLU改为ReLU6。试验结果表明，改进YOLOv5s网络对葡萄簇检测的精确率为96.5%、召回率为94.5%、平均精度均值为98.0%、检测速度为260 f/s。相比Faster R-CNN、SSD、RetinaNet、YOLOv3(Ultralytics)、YOLOXs和YOLOv5s，其平均精度均值分别高10.4、44.1、13.9、0.2、8.9和1.0个百分点。提出的改进网络能够较好地检测自然环境下模糊、遮挡、簇粘连、不完整、昏暗及逆光等各种状态的硬核期葡萄簇，且方便在移动设备上部署。