基于改进YOLOv5s的蔗节检测方法

来源：中国农机化学报杂志2024年第12期北京时间：

作者：谢忠坚, 廖珩宇, 文春明, 李尚平, 张亚亚, 吴伟林,

单位：(1. 广西民族大学物理与电子信息学院，南宁市，530006；2. 梧州学院广西机器视觉与智能控制重点实验室，广西梧州，543002)

摘要：针对现有甘蔗茎节检测算法模型复杂度高、检测效率低的问题，设计一种轻量化检测网络YOLOv5s-SG2E。首先，对YOLOv5s进行小目标网络结构改进，删除中、小尺度检测头并增加超大尺度检测头，以提升网络模型对小目标的感知能力；其次，在颈部网络中引入GhostNetV2替换C3模块、GSConv替换标准卷积以降低模型复杂度；最后，在主干网络末端增加通道注意力机制ECA以提高模型的学习能力，强化网络对茎节特征的提取能力。对自建甘蔗茎节数据集进行测试，结果表明：改进模型YOLOv5s-SG2E对茎节识别精确率为96.4%、召回率为96.8%、平均精度均值mAP@0.5为98.4%，相较YOLOv5s原始模型分别提升0.6%、2.4%和1.0%；YOLOv5s-SG2E模型体积相对减少89.8%，参数量减少95.03%，计算量减少55.06%，检测时间缩短31.6%，优于其他主流一阶段目标检测算法，可实现甘蔗茎节的高效识别检测。

关键词：甘蔗茎节识别,YOLOv5,小目标,轻量化,ECA

基金资助：国家自然科学基金项目(52165009)；广西科技重大专项项目(桂科AA22117006)；广西高校中青年教师科研基础能力提升项目(2023KY0176)