基于改进YOLO v5s的果园番茄采摘检测方法  

A detection method for orchard tomato picking based on improved YOLO v5s

作　　者：杨国亮 盛杨杨 洪鑫芳 余帅英 张佳琦 Yang Guolang

机构地区：[1]江西理工大学电气工程与自动化学院,江西赣州341000

出　　处：《江苏农业科学》2024年第24期187-195,共9页Jiangsu Agricultural Sciences

基　　金：江西省教育厅科技计划项目(编号:GJJ210861、GJJ200879)。

摘　　要：针对复杂果园环境下,不同生长周期的番茄容易受叶片、藤蔓的遮挡,以及多果实之间相互遮挡进而导致的误检、漏检、难检问题,提出了一种基于改进YOLO v5s的番茄生长周期采摘实时检测方法。首先,设计多尺度反向自适应注意力模块RAAM(Reversed Adaptive Attention Module),用于解决原模型连续下采样丢失上下文信息的问题,并可以提升特征图分辨率用于高层语义信息的加权融合。其次,在Neck中设计C3DS-ST(C3 DySnakeConv-Swin Transformer)模块替换原有C3,增大局部区域坐标特征感知能力,适应整体番茄结构形状特征。最后,设计新的边框损失函数SWD_Loss,结合BiFormer注意力机制,使网络更加关注敏感区域,提高模型对遮挡部分的漏检率和多果实遮挡的检测精度。试验结果表明,改进后的模型在测试集上对番茄检测平均精度达到93.7%,相比于原模型提升2.1%,对图片中遮挡部分效果明显改善。同时,检测速度达到了50帧/s,具有非常良好的应用前景。

关 键 词：番茄检测 自适应RAAM模块 C3DS-ST SWD_Loss BiFormer 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]