基于改进YOLOv5n的花生荚果实时检测方法

来源：中国农机化学报杂志2025年第2期北京时间：

作者：吴阳华, 王建楠, 刘敏基, 游兆延, 谢焕雄, 杜元杰

摘要：花生荚果分级是花生商品化过程中的重要环节。针对传统花生荚果分级机械精度较低、局限性较大等问题，提出一种基于深度学习的YOLOv5n—SP花生荚果检测算法，对花生荚果按籽仁数量和是否破损进行分级。结合GSConv构建轻量级颈部网络，轻量化的同时实现性能提升；为减少计算冗余，引入Slimming算法进行通道剪枝，在保证性能的前提下进一步降低模型参数量；引入通道智慧蒸馏算法，提高剪枝模型性能。结果表明，改进后的YOLOv5n—SP相较于原模型YOLOv5n，浮点计算量减少58.5%，模型精确率、召回率分别提高2.0%和1.1%，实时检测速度达到84帧/s，提升7.7%。

关键词：花生荚果,分级机械,轻量化模型,剪枝算法,智慧蒸馏算法,实时检测

基金资助：国家重点研发项目子课题（2023YFD2001005—3）；国家花生产业技术体系产后加工机械化岗位（CARS—13—产后加工机械化）