基于改进YOLOv5的无人驾驶农业车辆视觉检测

摘要：

[目的]机械化、智能化、信息化是现代农业的发展方向,为了解决无人驾驶农业车辆环境感知这一难题,实现对车辆前方目标的实时视觉检测,提出一种基于改进YOLOv5的轻量化目标检测算法.[方法]采用轻量化的Ghost模块替换网络中原有的卷积层,极大地降低模型的参数量;修改颈部网络结构,增设新的检测层,增强网络对小目标的检测能力;引入CARAFE算子,提升网络对语义信息的提取能力;通过TensorRT对改进后的网络模型进行优化后,将其部署在Jetson Nano嵌入式平台上.[结果]改进后的算法在KITTI数据集上检测精度达到91.3%,参数量显著降低44.3%,并且在嵌入式平台上可以实现实时运行.[结论]改进后的算法可以在保证轻量化的前提下,很好地实现农业车辆对前方行人、车辆等目标的检测,具有一定的现实意义和应用价值.

关键词：无人驾驶、目标检测、YOLOv5

所属期刊栏目：55

分类号：S22;TP391.4(农业机械及农具)

在线出版日期：2024-01-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：21-23,37