基于轻量化改进YOLOv5s的猕猴桃花期识别方法

来源：中国农机化学报杂志2025年第5期北京时间：

作者：于强, 石复习

单位：西北农林科技大学机械与电子工程学院，陕西杨凌，712100

摘要：为在有限的嵌入式设备资源下达到实时检测要求，提出一种基于改进YOLOv5s的猕猴桃花期轻量化检测模型（YOLOv5s_SGSC）。在YOLOv5s模型基础上，使用ShuffleNetv2和幻影卷积分别替换主干特征提取网络和颈网络的传统卷积，嵌入卷积注意力模块（CBAM）提高网络对猕猴桃花朵的特征提取能力。结果表明，改进后模型的精确率和召回率为89.9%和89.7%；mAP值为94.5%，较改进前提高0.3%。模型体积为3.9MB，为原YOLOv5s模型的27.7%，在嵌入式设备实时检测速度为11.8fps，比原YOLOv5s模型快59.8%。将模型部署到嵌入式设备进行实地试验，改进后模型对距离镜头20~60cm的猕猴桃花朵花期正确识别率达到85%以上，实时检测帧率在10fps以上。可实现对猕猴桃花朵的花期分类，有助于推动授粉机器人的研发与应用。

关键词：猕猴桃花朵,花期识别,嵌入式设备,YOLOv5s算法,轻量化

基金资助：陕西省科技重大专项（2024NC—ZDCYL—05—10）