基于改进YOLOv5s模型的山地果园单轨运输机搭载柑橘的检测 |
| |
引用本文: | 周岳淮,李震,左嘉明,龚琬蓉,吕石磊,温威,黄莺.基于改进YOLOv5s模型的山地果园单轨运输机搭载柑橘的检测[J].湖南农业大学学报(自然科学版),2023,49(4):491-496. |
| |
作者姓名: | 周岳淮 李震 左嘉明 龚琬蓉 吕石磊 温威 黄莺 |
| |
作者单位: | 1.华南农业大学电子工程学院(人工智能学院),广东 广州 510642;2.柳州铁道职业技术学院自动控制学院,广西 柳州 545616;3.国家现代农业(柑橘)产业技术体系机械化研究室,广东 广州 510642;4.华南农业大学工程基础教学与训练中心,广东 广州 510642 |
| |
基金项目: | 国家重点研发计划子课题(2020YFD1000107);国家现代农业产业技术体系(CARS–26);国家自然科学基金项目(31971797、616 01189);广东省省级乡村振兴战略专项(粤财农[2021] 37号) |
| |
摘 要: | 由于山地果园运输机立地条件差,实时作业信息的获取、反馈、集中化管理较为困难,为了解7SYDD–200型山地果园单轨运输机搭载货物情况,合理调度运输装备,建立了基于改进的YOLOv5s模型的运输机搭载柑橘果筐的检测方法:在果园自然光环境下使用RGB相机(HSK–200)采集运输机搭载柑橘果筐的图像数据;建立和优化YOLOv5s模型,部署至嵌入式设备,实现对搭载过程中的“空果筐”“柑橘”“满果筐”状态的检测。在模型的颈部网络引入CBAM注意力机制,加强模型提取语义信息的能力,解决检测过程中出现的“双重标签”的问题,使用批归一化(BN)层稀疏的尺度因子衡量各通道对模型的表征能力,并对表征能力弱的通道进行剪枝压缩,以克服基模型YOLOv5s检测速度慢的问题,通过多尺度训练策略对模型进行微调,提高模型检测准确率。试验结果表明:改进YOLOv5s模型的检测方法在柑橘搭载数据集上平均精度均值(m AP)为93.3%;模型的浮点数运算量和大小分别为9.9GFLOPs和3.5 MB,比YOLOv5s的提高60.3%和21.3%;在嵌入式平台Jetson Nano部署,其检测速度为78 ms/帧。
|
关 键 词: | 山地果园单轨运输机 目标检测 剪枝压缩 CBAM注意力机制 改进YOLOv5s |
|
| 点击此处可从《湖南农业大学学报(自然科学版)》浏览原始摘要信息 |
| 点击此处可从《湖南农业大学学报(自然科学版)》下载免费的PDF全文 |