基于改进YOLOv5的烟草采摘机器人视觉检测模型研究

来源：计算机测量与控制杂志2025年第10期北京时间：

作者：郭巍巍,赵崇,李翔,许晓敬,唐培培

单位：郑州大学

摘要：近年来,智能化农业在提升生产效率和减少资源浪费方面展现出巨大潜力。为解决烟草采摘中复杂背景和多目标遮挡带来的识别准确性和效率问题,研究提出了一种基于改进YOLOv5的烟草采摘机器人视觉检测模型,该模型结合双目成像技术与通道注意力机制,同时引入多尺度特征增强金字塔和实例归一化模块以提高模型的泛化能力。实验结果表明,改进的YOLOv5模型在识别准确率上达92%,复杂背景下准确率提高至90%,识别时间缩短至0.2秒,显著优于传统模型。研究结果表明,所提出的模型在烟草采摘任务中具有更高的实用价值和应用潜力,可以为自动化烟草采摘提供高效、精准的解决方案。

关键词：烟草;机器人;识别检测;YOLOv5;实例归一化