基于改进YOLOv5的番茄识别检测算法 |
| |
引用本文: | 丁仁集,陈丙三.基于改进YOLOv5的番茄识别检测算法[J].福建工程学院学报,2023(6):585-591. |
| |
作者姓名: | 丁仁集 陈丙三 |
| |
作者单位: | 福建理工大学机械与汽车工程学院 |
| |
基金项目: | 福建省自然科学基金(2023J01342); |
| |
摘 要: | 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。
|
关 键 词: | 番茄检测 改进YOLOv5 SimAM CARAFE |
|
|