基于改进YOLOv5s的黑皮鸡枞菌检测方法

摘要：

为解决黑皮鸡枞菌种植环境下背景土壤与菌菇辨识度较低、样本分布密集、类间相互遮挡等问题,该研究提出一种基于改进YOLOv5s的目标检测方法.首先,在骨干网络中融入RFBSE模块,使网络关注重点区域,通过施加通道注意力机制,增强对黑皮鸡枞菌特征表达能力;其次,设计多分支采样DCSPP池化模块,加强局部信息与全局信息的融合;第三,在颈部网络采用RFP结构,通过添加额外反馈信息促进语义信息传递,增强鸡枞菌样本密集遮挡场景下的检测能力,对RFP结构级联方式及网络间融合结构做轻量化处理,降低参数计算量和内存使用.试验结果表明,通过添加RFBSE模块,多分支池化模块以及采用递归金字塔结构对模型检测能力均有不同提升效果,最终模型平均精度均值mAP、精确率、召回率分别达到90.8％、86.5％、84.8％.对比原YOLOv5s模型算法,mAP、精确率、召回率分别提高2.7、3.8、3.9个百分点,并通过生成热力图提高模型检测过程的可解释性.试验结果表明改进后的模型可在复杂环境下准确、快速地识别黑皮鸡枞菌,为黑皮鸡枞菌采摘机器人的开发提供技术支持.

关键词：目标检测、图像处理、黑皮鸡枞菌、卷积神经网络、递归金字塔结构

所属期刊栏目：39

分类号：S985.1(水产物运输、保鲜、贮藏、加工、包装)

资助基金：国家自然科学基金31971796

在线出版日期：2023-10-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：265-274