基于轻量化YoloV5的谷穗实时检测方法  

Study on real-time detection method of grain earhead based on lightweight YoloV5

作　　者：李云[1] 邱述金 赵华民 李晓斌[1] 张庆辉 原向阳[2] Li Yun

机构地区：[1]山西农业大学农业工程学院,山西太谷030801 [2]山西农业大学农学院,山西太谷030801

出　　处：《江苏农业科学》2023年第6期168-177,共10页Jiangsu Agricultural Sciences

基　　金：国家谷子高粱产业技术体系建设专项(编号:CARS-06-13.5-A28);山西省高等学校科技创新计划(编号:2021L141);山西农业大学博士科研启动项目(编号:2018YJ43);山西省基础研究计划(编号:20210302124374)。

摘　　要：针对复杂谷田场景中谷穗密集、尺寸较小且遮挡严重的情况,适用于此环境的目标检测模型要求较高算力,在移动设备上实现谷穗实时检测存在困难等问题,本研究提出一种基于YoloV5的轻量化谷穗实时检测方法。将YoloV5s的主干特征提取网络替换成具有注意力机制的MobilenetV3轻量化模型,采用在多特征融合检测结构增加微尺度检测层,后处理使用Merge-NMS算法,将不同改进方法重构的模型在自建的谷穗数据集上进行训练和测试。结果表明,本研究改进的模型平均检测精度达到97.78%,F1分数为94.20%,模型大小仅为7.56 MB,每幅图像的平均检测时间为0.023 s,与经典目标检测模型比较,表现出较强的鲁棒性和泛化能力。本研究改进的轻量化YoloV5谷穗检测模型能克服复杂环境的影响,显著提高谷穗在密集分布及遮挡条件下的检测效果,为移动设备上实现谷穗实时检测提供技术参考。

关 键 词：轻量化谷穗检测模型 MoblienetV3 微尺度检测层 Merge-NMS算法 

分 类 号：TP391.4[自动化与计算机技术—计算机应用技术] S126[自动化与计算机技术—计算机科学与技术]