改进YOLOv5轻量级网络的柑橘检测方法

来源：计算机工程与应用杂志2023年第11期北京时间：

作者：高新阳, 魏晟, 温志庆, 于天彪

单位：1.东北大学 机械工程与自动化学院，沈阳 110000；2.智能机器人工程研究中心 季华实验室，广东 佛山 528000

摘要：针对现有的柑橘检测算法准确率低、模型参数量大、检测实时性差、不适用移动采摘设备等问题，提出一种基于改进轻量模型YOLO-DoC的柑橘检测方法。引入Bottleneck结构的ShuffleNetV2网络作为YOLOv5骨干网络模型，构造轻量化网络。同时加入无参型SimAM注意力机制提高复杂环境下对目标的识别精度。为了提高检测网络对于目标果实的边界框定位精度，通过引入Alpha-IoU边界框回归损失函数的方法来获取目标的边界框。实验显示，YOLO-DoC模型的P（precision）值和mAP（mean average precision）值分别为98.8%和99.1%，参数量缩减为YOLOv5网络的1/7，模型的大小为2.8?MB。改进后的模型相比于原网络模型具有识别速度快、定位准度高以及占用内存少的优势，在满足精准采摘工作要求的前提下可以提高采摘效率。

关键词：神经网络,注意力机制,YOLOv5,柑橘检测,损失函数,ShuffleNetV2,Alpha-IoU