基于改进YOLOv5的玉米植株检测与识别研究

来源：中国农机化学报杂志2025年第6期北京时间：

作者：崔岩, 庄卫东, 秦韬, 王楠

单位：（黑龙江八一农垦大学工程学院，黑龙江大庆，163319）

摘要：为解决机械除草伤苗的问题，提出一种改进YOLOv5的玉米植株检测方法。建立复杂田间环境下的玉米植株数据集，在原有模型的基础上在Backbone和Head层增加坐标注意力（CA）机制，通过动态加权的方式提升对于玉米植株位置信息的关注度，强化位置信息，提升检测准确度，在Neck层采用加权双向特征金字塔网络（BiFPN），加强特征融合，提高检测速度和检测精确度。试验结果表明，与原始模型相比，所改进方法的平均精度均值mAP@0.5、mAP@0.5:0.95分别提升4.31、3.66个百分点，检测速度和模型大小分别为46.77帧/s和15.56 M，与SSD、YOLOv5、Fast R—CNN和YOLOv7相比也有一定的优势。改进模型能有效实现玉米植株的检测，实时性好，内存占用量小，可为智能除草机器人的护苗工作提供借鉴。

关键词：玉米植株检测,YOLOv5模型,加权双向特征金字塔,坐标注意力机制

基金资助：黑龙江省“揭榜挂帅”科技攻关项目(2023ZXJ07B02)