您好,欢迎访问中国农业科学院 机构知识库!

基于改进YOLOv5s模型的自然场景中绿色柑橘果实检测

文献类型: 中文期刊

作者: 吕强 1 ; 林刚 1 ; 蒋杰 1 ; 王明之 1 ; 张皓杨 1 ; 易时来 1 ;

作者机构: 1.西南大学柑桔研究所

关键词: 柑橘;图像识别;YOLO;绿色果实;轻量化模型;移动部署

期刊名称: 农业工程学报

ISSN: 1002-6819

年卷期: 2024 年 40 卷 018 期

页码: 147-154

收录情况: EI ; 北大核心 ; CSCD

摘要: 针对未成熟柑橘果实智能检测存在精度低、模型大的问题,该研究提出了一种基于YOLOv5s改进的绿色柑橘检测算法模型YOLO-GC,实现对复杂自然环境中果实的实时准确检测。首先,针对YOLOv5s网络模型较大且难以部署的问题,以轻量级GhostNet网络替换原始的骨干网络,同时为减小模型轻量化后精度下降的影响和提高对绿色柑橘特征的关注度,嵌入全局注意力机制(global attention mechanism,GAM)增强网络在复杂环境下对果实特征的提取能力;其次,为了改善密集与小目标果实的检测效果,引入BiFPN(bi-directional feature pyramid network)架构进行多尺度的加权特征融合;最后,为减少果实与枝叶遮挡、重叠造成的漏检,采用GIoU(generalized intersection over union)损失函数结合Soft-NMS(soft-non-maximum suppression)算法优化边界框回归机制。试验结果表明:相较于YOLOv5s,YOLO-GC的权重模型内存减小了53.9%,参数量减少了55.2%,平均精度AP0.5提升了1.2个百分点,平均推理时长减少46.2%。YOLO-GC模型的综合检测性能优于YOLOv8等7种常用网络模型,在安卓手机APP中检测准确率达到97.2%,推理时长减少了85.8%。研究表明,该研究模型为复杂环境中绿色果实检测及模型部署应用提供了技术支撑。

  • 相关文献

[1]基于YOLOv8网络的棉蚜图像识别算法及软件系统设计. 马盼,杨子恒,万虎,何顺,黄远,徐胜勇. 2023

[2]基于改进YOLOv5n的花生荚果实时检测方法. 吴阳华,王建楠,刘敏基,游兆延,谢焕雄,杜元杰. 2025

[3]用于边缘计算设备的果树挂果量轻量化估测模型. 夏雪,柴秀娟,张凝,周硕,孙琦鑫,孙坦. 2023

[4]基于图像处理的柑橘测产方法. 张亚静,邓烈,李民赞,赵瑞娇,何绍兰,易时来. 2009

[5]作物生长特征信息的图像识别. 李少昆,祁之力,高世菊,白中英,谢瑞芝,赵双宁. 2003

[6]柑橘贮藏过程中汁胞粒化相关miRNA的筛选及功能分析. 张晶. 2016

[7]基于图像纹理特征的养殖鱼群摄食活动强度评估. 陈彩文,杜永贵,周超,孙传恒. 2017

[8]红外传感器与机器视觉融合的果树害虫识别及计数方法. 田冉,陈梅香,董大明,李文勇,矫雷子,王以忠,李明,孙传恒,杨信廷. 2016

[9]基于ResNet-50深度卷积网络的果树病害智能诊断模型研究. 金瑛,叶飒,李洪磊. 2021

[10]基于二分法的鸡蛋图像边缘快速检测方法. 周平,赵春江,郑文刚,王纪华,孙忠富,文友先. 2010

[11]基于图像处理和Deeplabv3+模型的小麦赤霉病识别. 戴雨舒,仲晓春,孙成明,杨俊,刘涛,刘升平. 2021

[12]基于多列空洞卷积神经网络的麦穗计数方法研究. 刘云玲,张品戈,王千航,周睿琪,赵佳,肖永贵,马韫韬. 2021

[13]基于动态集成的黄瓜叶部病害识别方法. 王志彬,王开义,王书锋,王晓锋,潘守慧. 2017

[14]Sentinel-2和GF-1影像结合提取苜蓿空间分布. 包旭莹,王燕,冯琦胜,葛静,侯蒙京,刘畅宇,高新华,梁天刚. 2021

[15]基于物联网平台的小麦病虫害诊断系统设计初探. 苏一峰,杜克明,李颖,孙忠富,郑飞翔. 2016

[16]基于分层卷积神经网络的牧草种子识别模型. 王欣宇,马玉宝,潘新,闫伟红. 2021

[17]基于BP神经网络的小麦群体图像特征识别. 李少昆,索兴梅,白中英,祁之力,刘晓鸿,高世菊,赵双宁. 2002

[18]基于卷积神经网络的入侵昆虫识别研究. 黄亦其,鹿林飞,沈豪,王福宽,乔曦. 2024

[19]基于图像识别技术的夏玉米生育期识别方法初探. 陆明,申双和,王春艳,李茂松. 2011

[20]基于图像的棉花水分状况诊断. 王方永,王克如,王崇桃,李少昆,朱玉,陈兵,明博,潘文超. 2007

作者其他论文 更多>>