基于改进YOLOv5s的草莓多阶段识别检测轻量化算法

作     者：黄家才 赵雪迪 高芳征 温鑫 金少宇 张洋 HUANG Jiacai;ZHAO Xuedi;GAO Fangzheng;WEN Xin;JIN Shaoyu;ZHANG Yang

作者机构：南京工程学院机械工程学院南京211167 南京工程学院自动化学院南京211167 江苏省智能机器人仿生与控制技术工程研究中心南京211167 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2023年第39卷第21期

页      面：181-187页

核心收录：

学科分类：082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金面上项目(61873120) 国家自然科学基金(52107048) 江苏省高等学校自然科学研究重大项目(20KJA510007) 江苏省重点研发计划课题(BE2021016-5) 江苏省自然科学基金面上项目(BK20201469)。 

主　　题：图像识别 草莓 YOLOv5s MobileNetV3 轻量化 移动端部署 

摘      要：为解决草莓采摘过程中被遮挡及目标较小情况下漏检的问题,同时提升草莓的识别精度与计算速率,该研究提出了一种基于改进的轻量级Mobile-YOLOv5s草莓识别检测算法。首先,为了提高计算效率,使用了轻量化的MobileNetV3网络替代了原始的YOLOv5s主干网络,并引入了Alpha-IoU损失函数以加快模型的收敛速度,提高对重叠目标的识别准确率;其次,考虑到草莓目标较小的情况,使用K-Means++算法对原始YOLO的anchor进行重聚类,并增加了一个检测头,使其更加适应草莓的尺寸。试验结果表明,改进后的网络模型检测帧率为44帧/s,比原模型提升了15.7%;计算量为8.3×10^(9)/s,比原模型降低了48%;模型大小为4.5 MB,比原模型降低了41.5%;成熟草莓检测精度为99.5%,均值平均精度为99.4%,相较于原YOLOv5s算法分别提高了3.6和9.2个百分点。改进后的模型可以更快速、准确地识别出各阶段的草莓,为草莓智能化采摘提供技术支撑。