基于改进YOLOv5算法的瓜蒌分级方法

来源：中国农机化学报杂志2024年第4期北京时间：

作者：霍正瑞, 孙铁波

摘要：为解决瓜蒌检测技术存在的检测精度低且检测时间长的问题，提出一种基于改进YOLOv5算法的瓜蒌分级方法YOLOv5GCB。在主干网络引入Ghost卷积模块替换传统卷积，在保证准确率的同时减少模型的参数量；在特征提取网络和推理层之间添加CA注意力模块，增强模型对空间和通道信息的关注，提高检测精度；在颈部网络中引入双向加权特征金字塔网络（Bidirectional Feature Pyramid Network，BiFPN）替换原始结构，融合不同尺度特征提升多尺度目标的表达能力。结果表明：与原有的YOLOv5模型相比，改进的YOLOv5GCB算法对瓜蒌等级的检测准确率提高4%，达到95.3%，检测速度达到31.5 fps。该研究提出的算法在保证瓜蒌分级检测准确率的同时拥有更高的识别速度，为实际场景中的瓜蒌分级提供理论研究和技术支持。

关键词：瓜蒌分级,目标检测,多尺度特征融合,CA注意力机制

基金资助：江苏省高等学校基础科学（自然科学）研究重大项目（23KJA520005）