基于改进YOLOv5的甘蔗茎节识别方法
针对甘蔗智能切种机作业过程中背景杂乱导致茎节识别精度低等问题,提出了基于改进YOLOv5的一种甘蔗茎节识别方法.采用跨层级连接的方式优化颈部结构,增强不同层级间的信息融合能力;同时改进模型损失函数,一方面引入EIoU损失函数代替原始CIoU损失函数,提高边界框回归精度,另一方面利用Focal loss损失函数替换交叉熵损失函数,解决正负样本比例不均衡问题;最后引入Ghost模块轻量化网络模型.试验结果表明,本研究提出的模型相较于原模型,平均精度值提高了1.4个百分点,达97.80％,单张检测时间为16.9 ms,模型大小仅11.40 Mb,实现了在不同杂乱程度场景下的甘蔗茎节识别,降低了切种时背景杂乱产生的影响.
甘蔗、茎节识别、杂乱背景、YOLOv5、跨层连接、损失函数、精准切割
42
TP391.4;S238(计算技术、计算机技术)
中央级公益性科研院所基本科研业务费专项1630132022001
2023-02-09（万方平台首次上网日期，不代表论文的发表时间）
共9页
268-276
