基于轻量化YOLO模型的花椒簇检测研究

来源：中国农机化学报杂志2025年第4期北京时间：

作者：丁展博, 徐健, 朱耀麟, 张勇进, 刘晨雨

单位：(西安工程大学电子信息学院，西安市，710048)

摘要：花椒簇的自动化采摘是实现花椒智能化生产、降低生产成本的重要部分，花椒簇在自动化采摘时快速准确检测是其重要前提。以花椒簇为研究对象，提出一种基于YOLOv5s的轻量化花椒簇检测模型GGL—YOLO。首先，在GhostNet浅层添加SE注意力机制，并且删除GhostNet较深的冗余层，用优化后的GhostNet作为YOLOv5s的主干；其次，在模型的颈部采用更加轻量的GSConv卷积方法和C2f模块；最后，在P3、P4、P5特征图输出层使用动态感受野的方法。结果表明，GGL—YOLO模型相比于YOLOv5s模型，平均精确度均值mAP提升1.5%、参数量降低58.6%、浮点运算数FLOPs降低66.7%，检测速度提高13.2%。该模型对花椒簇检测准确度高、速度快、参数量低，具有可行性。

关键词：花椒簇,目标检测,YOLOv5,轻量化,深度学习

基金资助：陕西省科技厅自然科学基金重点项目(2023—JC—ZD—33)