改进YOLOv5模型的草莓检测方法研究

来源：中国农机化学报杂志2025年第1期北京时间：

作者：彭勇, 乔印虎, 张春燕, 姚杰, 包殿令

单位：1. 安徽工程大学机械工程学院，安徽芜湖，241000； 2. 安徽科技学院机械工程学院，安徽凤阳，233100

摘要：草莓检测对草莓的自动化采摘具有重要的意义和价值，针对目前草莓模型检测精度较低、模型占用较大等问题，基于深度学习技术，提出一种改进YOLOv5的目标检测方法。首先，使用Ghost模块对YOLOv5主干网络进行优化，降低模型参数量和复杂度；其次，使用坐标注意力模块CA，提升模型对草莓关键特征的关注；然后将YOLOv5中的定位损失替换为SIoU，考虑边界框回归之间的向量角度。结果表明，该模型的平均精度均值为94.8%，相较于目前经典的目标检测模型，检测能力提升显著，一张图片的预测时间为25.2ms，模型大小仅为10.4MB，具有较快的推理速度且模型尺寸较小。为草莓检测提供更加准确快捷的检测方法，更为容易地应用到移动式和嵌入式设备中。

关键词：草莓,深度学习,YOLOv5,损失函数,目标检测

基金资助：安徽省教育厅协同创新项目（GXXT—2022—077）