基于改进YOLOv5的苹果采摘机器人多目标识别技术研究

作     者：寇雷雷 张红娜 Kou Leilei;Zhang Hongna

作者机构：吉林工程职业学院机电工程学院吉林四平136000 内蒙古民族大学工学院内蒙古通辽028005 

出 版 物：《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)

年 卷 期：2023年第44卷第11期

页      面：162-168页

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：吉林省教育厅科学研究资助项目(JJKH20220897JY) 内蒙古自治区重点研发和成果转化计划项目(2022YFSJ0037) 吉林省高职教育教学指导项目(2022—DZXXY—005)。 

主　　题：苹果 多目标识别 采摘机器人 神经网络 

摘      要：针对采摘机器人多目标检测影响因素多、识别准确率低等问题,为给采摘机械手提供有效的视觉引导,提出一种改进YOLOv5目标识别网络模型。首先,在YOLOv5s的基础上利用改进Ghost模块替代CSP模块,以减少模型计算量,使模型更为轻量化。考虑到预测框与目标框的横纵比问题,用CIoU_Loss替换GIoU_Loss作为损失函数,提高目标回归的稳定性。采用DSPP模块来代替原始的SPP模块进行池化操作,以解决SPP特征信息丢失问题,提高目标检测的准确性;然后,利用该模型对苹果图像样本进行训练与评价,分析模型性能的可靠性与可行性;最后,对数据集进行识别测试,并根据不同评价指标进行对比分析,验证所建模型的优越性。研究结果表明,所提出的改进YOLOv5网络模型具有识别准确性高、抗干扰能力强、检测速度快的特点。与其他模型相比,精确率最高提升8.4%,召回率最高提升5.1%,mAP最高提升10.3%。