基于改进YOLOv5s模型的茶叶嫩芽识别方法
江苏大学机械工程学院
- 摘 要:
- 现有的目标检测算法检测茶叶嫩芽的精度较低,为提高茶叶嫩芽的检测精度,该研究提出一种基于改进YOLOv5s网络模型的茶叶嫩芽检测算法。该算法将骨干特征提取网络中的空间金字塔池化结构(spatial pyramid poolingfast,SPPF)替换为空洞空间卷积池化金字塔结构(atrous spatial pyramid pooling,ASPP),增强模型对不同分辨率下目标的识别能力;针对茶叶嫩芽的小目标特征,在颈部网络中引入可加权重的双向特征金字塔网络(bidirectional feature pyramid network,BiFPN),提高特征融合的效率,同时在颈部网络中的每个集中综合卷积模块(concentratedcomprehensive convolution block,C3)后添加卷积注意力模块(convolutional block attention module,CBAM)来提高模型关注小目标特征的能力。试验结果表明,改进后获得的Tea-YOLOv5s比原模型的准确率(precision,P)、召回率(recall,R)和平均精度值(mean average precision,mAP)分别高出4.4、0.5和4.0个百分点,且模型鲁棒性强,在多个场景下茶叶嫩芽的检测中具有更高的置信度分数。改进后的模型可为茶叶的产量估计和茶叶采摘机器人的嫩芽识别奠定基础。
关键词:深度学习;识别;YOLOv5s;茶叶嫩芽;目标检测
相似文章
-
基于改进Faster R-CNN的苹果叶部病害识别方法 [王云露, 吴杰芳, 兰鹏, 李凤迪, 葛成恺, 孙丰刚] 林业工程学报 2022 (1) 153-159
-
无人机遥感监测作物病虫害胁迫方法与最新研究进展 [杨国峰, 何勇, 冯旭萍, 李禧尧, 张金诺, 俞泽宇] 智慧农业(中英文) 2022 (1) 1-16
-
面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型 [邱文杰, 叶进, 胡亮青, 杨娟, 李其利, 莫贱友, 易万茂] 智慧农业(中英文) 2021 (1) 109-117
-
基于无人机图像以及不同机器学习和深度学习模型的小麦倒伏率检测(英文) [Paulo FLORES, 张昭] 智慧农业(中英文) 2021 (2) 23-34
-
基于语义融合与模型蒸馏的农业实体识别 [李亮德, 王秀娟, 康孟珍, 华净, 樊梦涵] 智慧农业(中英文) 2021 (1) 118-128
-
基于改进Mask R-CNN的花白鲢去鳞率计算方法研究 [肖哲非, 沈建, 郑晓伟, 徐文其] 渔业现代化 2022,49 (2) 85-93
-
基于多尺度几何感知Transformer的植物点云补全网络 [曾安, 彭杰威, 刘畅, 潘丹, 蒋艳荣, 张小波] 农业工程学报 2022,38 (4) 198-205
-
基于Mask R-CNN的行道树实例分割方法 [陆清屿, 李秋洁, 童岳凯, 王明霞, 袁鹏成] 林业工程学报 2021 (5) 154-160
-
基于深度学习的多人脸识别系统的设计实现 [郭琪, 王志慧, 范道尔吉, 武慧娟] 内蒙古农业大学学报(自然科学版) 2022,43 (2) 86-92
-
基于动态超分辨率的输电线路部件检测方法 [夏娴, 徐靖楠] 河北农机 2022 (8) 87-89