您好,欢迎访问中国农业科学院 机构知识库!

目标检测算法YOLOv5s用于柑桔成熟果实检测的改进

文献类型: 中文期刊

作者: 蹇川 1 ; 郑永强 2 ; 刘艳梅 3 ; 马岩岩 2 ; 易时来 2 ; 吕强 2 ; 谢让金 2 ;

作者机构: 1.西南大学工程技术学院

2.西南大学柑桔研究所/国家柑桔工程技术研究中心/国家数字种植业(柑桔)创新分中心

3.重庆市北碚区经济作物技术推广站

关键词: 柑桔;成熟果实;YOLOv5s;Context Aggregation Block;目标检测;产量预估

期刊名称: 中国南方果树

ISSN:

年卷期: 2024 年 001 期

页码: 224-231

收录情况: 北大核心

摘要: 巡检机器人精准检测成熟柑桔果实,对于保证柑桔果园产量巡检作业效率和质量至关重要。考虑到成熟柑桔果实特有的颜色空间、果实遮挡导致的小目标以及巡检机器人有限的硬件资源,提出一种简单有效的基于YOLOv5s的柑桔成熟果实检测方法——改进YOLOv5s。改进YOLOv5s,主要设计一个由3层Context Aggregation Block (CABlock)组成的金字塔结构特征提取层并将其插入到YOLOv5s网络的Head部分。改进YOLOv5s模型具有如下优点:(1)集成的底层CABlock通过特征通道注意力机制和空间注意力机制,能更好更快地学习小目标局部成熟果实颜色和纹理特征、重叠果实边缘特征;(2)多层CABlock构建的特征金字塔能够有效地避免小目标随网络深度增加而消失,从而降低小目标果实漏检率。柑桔成熟果实识别验证试验结果表明,改进YOLOv5s的检测准确率和平均精度分别为98.21%和98.07%,较原始YOLOv5s分别提升了0.31和0.17百分点,较Faster R-CNN分别提升了8.41和8.31百分点,识别遮挡果实、重叠果实以及小目标果实的平均精度分别为99.4%、97.2%和98.0%;单张成熟柑桔果实图像的平均检测时间32.5 ms,模型占用内存15.8 MB。该改进YOLOv5s模型可实现果园自然环境下柑桔成熟果实快速准确地检测识别与产量预估,可为柑桔果园巡检机器人产量巡检提供技术支持。

  • 相关文献

[1]基于改进YOLOv5s的复杂环境下新梅检测方法. 董耿耿,陈小康,樊湘鹏,周建平,姜宏,崔超. 2024

[2]基于区域亮度自适应校正的茶叶嫩芽检测模型. 吕军,方梦瑞,姚青,武传宇,贺盈磊,边磊,钟小玉. 2021

[3]基于机器视觉和深度学习的稻纵卷叶螟性诱智能监测系统. 张哲宇,孙果镓,杨保军,刘淑华,吕军,姚青,唐健. 2022

[4]基于AlexNet的栽培苜蓿病害识别. 李云昊,李仲贤,伏帅,张忠雪,茆士琴,冯琦胜,梁天刚,李彦忠. 2023

[5]基于改进YOLOv8s的大田甘蓝移栽状态检测算法. 吴小燕,郭威,朱轶萍,朱华吉,吴华瑞. 2024

[6]基于改进YOLO v5的复杂环境下柑橘目标精准检测与定位方法. 李丽,梁继元,张云峰,张官明,淳长品. 2024

[7]基于深度学习的半监督图像标注系统设计与实现. 胡明玉,夏雪,杨晨雪,曹景军,柴秀娟. 2021

[8]深度学习在蜜蜂研究中的应用. 孙逸飞,丁桂玲,路运才,刘振虎,黄家兴. 2023

[9]基于Mask R-CNN的玉米干旱卷曲叶片检测. 安江勇,黎万义,李茂松. 2019

[10]基于深度学习的近地面草原鼠洞识别计数关键问题研究与应用. 郭秀明,王大伟,刘升平,诸叶平,刘晓辉,林克剑,王佳宇,李非. 2024

[11]基于改进YOLOv5n模型的农作物病虫害识别方法. 承达瑜,赵伟,何伟德,武择鹏,王建东. 2024

[12]基于RT-WEDT的麦穗检测与计数方法. 李婕,杨子豪,郑权,乔江伟,涂静敏. 2024

[13]基于改进YOLOv8n的套袋柑橘识别. 王微子,马伟. 2025

[14]基于YOLO v5-MNv4S与RANSAC-GN的柑橘姿态估计方法. 李丽,张官明,张云峰,梁继元,淳长品. 2025

[15]塔罗科血橙新系裂果成因与调控研究. 徐跃兴. 2010

[16]蓬安县柑桔产业发展现状及对策研究. 蒲大光. 2013

[17]柑桔商品化处理技术应用现状和前景分析. 王日葵. 2004

[18]柑桔SSR标记体系的建立. 鲁玉洋,何永睿,陈善春,肖春艳. 2006

[19]我国柑桔加工业现状及发展对策. 孙志高,焦必林,黄学根. 2000

[20]cDNA文库构建及其在柑桔抗性基因研究中的展望. 许兰珍,何永睿,刘小丰,陈善春. 2006

作者其他论文 更多>>