基于YOLOv5改进模型的柑橘果实识别方法
为实现在自然环境下对柑橘果实的识别,提出一种基于YOLOv5改进模型的柑橘识别方法.通过引入CBAM(convolutional block attention module,卷积注意力模块)注意力机制模块来提高网络的特征提取能力,改善遮挡目标与小目标的漏检问题;采用α-IoU损失函数代替GIoU损失函数作为边界框回归损失函数,提高边界框定位精度.结果显示:本研究提出的模型平均精度AP值达到91.3%,在GPU上对单张柑橘果实图像的检测时间为16.7 ms,模型占用内存为14.5 Mb.结果表明,本研究基于YOLOv5的改进算法可实现在自然环境下快速准确地识别柑橘果实,满足实时目标检测的实际应用需求.
YOLOv5、柑橘识别、自动采摘、CBAM、损失函数、注意力机制、α-IoU
41
S661.1;TP391.41(果树园艺)
国家重点研发计划;国家自然科学基金;现代农业产业技术体系;广东省科技厅项目;广东省省级乡村振兴战略专项;广东省大学生科技创新培养专项
2022-08-03(万方平台首次上网日期,不代表论文的发表时间)
共8页
170-177