面向复杂田间收获作业的轻量化三七目标检测方法

• Published in: 农业工程学报 Vol. 40; no. 8; pp. 133 - 143
• Main Authors: 王法安, 何忠平, 张兆国, 解开婷, 房汉玉
• Format: Journal Article
• Language: Chinese
• Published: 昆明理工大学现代农业工程学院,昆明 650500 01.04.2024; 昆明理工大学机电工程学院,昆明 650500%黑龙江佳木斯汤原县农业技术推广中心,佳木斯 154000; 云南省高校中药材机械化工程研究中心,昆明 650500%云南省高校中药材机械化工程研究中心,昆明 650500
• Subjects: 复杂收获作业工况; 三七; YOLOv5s; Panax Notoginseng; 目标检测; complex harvesting conditions; object detection; 神经网络; neural network; 轻量化; lightweight

S220.1; 针对目前三七检测算法在复杂田间收获工况下检测精度低、模型复杂度大、移动端部署难等问题,该研究提出一种基于YOLOv5s的轻量化三七目标检测方法.首先,采用GSConv卷积方法替换原始颈部网络的传统卷积,引入Slim-neck轻量级颈部网络,降低了模型复杂度,同时提升了模型精度;其次,使用ShuffleNetv2轻量型特征提取网络对主干网络进行轻量化改进,提升了模型实时检测性能,并采用角度惩罚度量的损失(SIoU)优化边界框损失函数,提升了轻量化后的模型精度和泛化能力.试验结果表明,改进后的PN-YOLOv5s模型参数量、计算量、模型大小分别为原YOLOv5s模型的46.65％、...