基于改进YOLO v5s的果园番茄采摘检测方法

来源：江苏农业科学杂志2024年第第24期北京时间：

作者：杨国亮;盛杨杨;洪鑫芳;余帅英;张佳琦

单位：江西理工大学电气工程与自动化学院，江西赣州 341000

摘要：针对复杂果园环境下，不同生长周期的番茄容易受叶片、藤蔓的遮挡，以及多果实之间相互遮挡进而导致的误检、漏检、难检问题，提出了一种基于改进YOLO v5s的番茄生长周期采摘实时检测方法。首先，设计多尺度反向自适应注意力模块RAAM(Reversed Adaptive Attention Module)，用于解决原模型连续下采样丢失上下文信息的问题，并可以提升特征图分辨率用于高层语义信息的加权融合。其次，在Neck中设计C3DS-ST(C3 DySnakeConv-Swin Transformer)模块替换原有C3，增大局部区域坐标特征感知能力，适应整体番茄结构形状特征。最后，设计新的边框损失函数SWD_Loss，结合BiFormer注意力机制，使网络更加关注敏感区域，提高模型对遮挡部分的漏检率和多果实遮挡的检测精度。试验结果表明，改进后的模型在测试集上对番茄检测平均精度达到93.7%，相比于原模型提升2.1%，对图片中遮挡部分效果明显改善。同时，检测速度达到了50 帧/s，具有非常良好的应用前景。

关键词：番茄检测;自适应RAAM模块;C3DS-ST;SWD_Loss;BiFormer