基于改进YOLOv5的无人驾驶农业车辆视觉检测  

作　　者：杨明瑞 古玉锋[1] 

机构地区：[1]长安大学道路施工技术与装备教育部,陕西西安710064

出　　处：《南方农机》2024年第1期21-23,37,共4页

摘　　要：【目的】机械化、智能化、信息化是现代农业的发展方向,为了解决无人驾驶农业车辆环境感知这一难题,实现对车辆前方目标的实时视觉检测,提出一种基于改进YOLOv5的轻量化目标检测算法。【方法】采用轻量化的Ghost模块替换网络中原有的卷积层,极大地降低模型的参数量;修改颈部网络结构,增设新的检测层,增强网络对小目标的检测能力;引入CARAFE算子,提升网络对语义信息的提取能力;通过TensorRT对改进后的网络模型进行优化后,将其部署在Jetson Nano嵌入式平台上。【结果】改进后的算法在KITTI数据集上检测精度达到91.3%,参数量显著降低44.3%,并且在嵌入式平台上可以实现实时运行。【结论】改进后的算法可以在保证轻量化的前提下,很好地实现农业车辆对前方行人、车辆等目标的检测,具有一定的现实意义和应用价值。

关 键 词：无人驾驶 目标检测 YOLOv5 

分 类 号：S22[农业科学—农业机械化工程] TP391.4[农业科学—农业工程]