基于改进YOLOv5s的番茄成熟度识别技术研究

来源：中国农机化学报杂志2025年第5期北京时间：

作者：刘坤, , 吉宏亚, 黄程菲, 王晓, 朱一帆

单位：1. 南京工程学院自动化学院，南京市，211167； 2. 江苏省先进数控技术重点实验室，南京市，211167

摘要：在实现番茄自动高效采摘的过程中，精确识别番茄的成熟度至关重要。针对目前番茄成熟度识别算法皆依赖高性能硬件设备，限制实际番茄采摘机器人移动端的有效部署，提出一种基于改进YOLOv5s的轻量化番茄成熟度识别方法。首先，将YOLOv5s初始的骨干特征提取网络替换为ShuffleNetV2网络，将特征融合网络中的传统卷积替换为Ghost卷积，减少模型的参数计算量，同时降低模型权重的大小。接着，为提高模型对番茄成熟度的识别效果，在特征提取中引入轻量级注意力机制CA来捕捉番茄成熟度的横向与纵向信息。测试结果显示，改进后的模型内存为原始模型的1/2，且相比原始YOLOv5s模型，算法模型的精确率、召回率和平均精度均值分别提高0.3%、0.1%、0.2%。最后，将模型移植到树莓派4B中，保证番茄成熟度识别准确率前提下，优化模型推理过程，证明改进算法对番茄成熟度识别任务的有效性。

关键词：番茄成熟度,YOLOv5s,Ghost卷积,CA注意力机制,树莓派4B

基金资助：江苏省高等学校基础科学（自然科学）研究重大项目（23KJA460008）