基于改进YOLOv5的番茄识别检测算法

为提升果园自动采摘机器人的工作效率，提高对番茄果实识别的准确率，提出了一种基于改进YOLOv5的番茄识别检测算法。该识别检测算法以YOLOv5算法为基础，改进了原算法中颈部网络的BottleneckCSP模块，通过增加批归一化层与SiLU激活函数提升了网络对目标深层语义信息的提取能力；采用轻量级通用上采样算子CARAFE扩大感受野，减少漏检并保持轻量化；结合轻量化注意力机制SimAM为网络提供三维的注意力权重，过滤掉冗余信息，提高模型的准确性和鲁棒性；用SIoU替换CIoU损失函数，有效减少冗余框的同时加快了预测框的收敛和回归。研究结果表明，改进后算法对番茄目标检测的平均精度均值达到96.5%,比原始算法提高3.4%,对小番茄及番茄被遮挡时的漏检率也有效降低，且满足实时要求。