基于改进YOLOv5s的轻量级葡萄目标检测融合算法
胡峻峰1
李松青1
黄晓文2
刘大洋1
李柏聪2
1.东北林业大学 计算机与控制工程学院,黑龙江 哈尔滨 1500402.东北林业大学 计算机与控制工程学院,黑龙江 哈尔滨 150040;比亚迪股份有限公司,广东 深圳 518000
摘要：针对农业自动采摘机械对目标检测模型准确率、实时性及轻量化的需求,提出了一种轻量级葡萄目标检测网络 YM-GDM(YOLOv5s-MobileNetV3 grape detection model).使用 MobileNetV3 代替CSPDarknet53 作为YOLOv5s的主干网络,以实现模型的轻量化;引入Res2Net_C2f模块和BiFPN(Bi-directional feature pyramid network)结构,以提高模型的多尺度特征融合能力;同时,改用VariFocalLoss损失函数对模型进行训练,以减少正负样本不均带来的影响.使用包含5类食用葡萄的自制数据集与包含5类酿酒葡萄的公开数据集(WGISD)作为试验数据集进行测试.结果表明,YM-GDM网络对10个品种葡萄的目标检测平均精度均值(mAP50)达到90.8%,比YOLOv3-tiny、YOLOv5s分别提升6.2、2.2百分点;模型体积为9.72 MB,相比YOLOv3-tiny、YOLOv5s分别缩小44.4%、32.8%.此外,进一步减少参数量得到了轻量特化模型YM-GDM-tiny,模型体积缩小到4.73 MB,mAP50达到86.8%,以部署于算力更低的移动设备.
关键词：葡萄目标检测YOLOv5s轻量化网络特征融合
分类号：S126(农业物理学)S663.1(果树园艺)TP391.4(计算技术、计算机技术)
资助基金：国家自然科学基金(32202147)中央高校基本科研专项资金项目(2572019BF09)
论文发表日期：2024-09-15
在线出版日期：2026-09-12（本平台首次上网日期，不代表文献的发表时间）
页数：9( 150-158 )
英文信息