基于改进YOLOv5s的茶叶嫩芽检测

来源：中国农机化学报杂志2024年第4期北京时间：

作者：严蓓蓓, 纪元浩, 曲凤凤, 许金普

摘要：为提高对茶叶嫩芽识别的准确率，提升自动采摘机器人的工作效率，减少人工采摘成本，提出一种对茶叶嫩芽目标检测的模型。通过拍摄包含白豪早茶叶嫩芽图片，进行筛选后得到179张图像，使用Mosic数据扩增后获得716张图像，建立数据集，按照训练集、测试集和验证集7∶2∶1的比例划分数据集。针对复杂背景下茶叶嫩芽存在重叠以及遮挡所导致的识别精准度低的问题，对YOLOv5s模型进行改动，在骨干网络上增添注意力机制模块SE和CBAM进行比较；Neck网络由原来的PAFPN改为可以进行双向加权融合的BiFPN，Head结构增加浅层下采样的P2模块，提出一种茶叶嫩芽检测的模型。试验表明YOLOv5s添加SE模块结合BiFPN时模型具有更高的检测精度，并对试验结果进行十折交叉验证，相较于基线精确率提高10.46%，达到88.30%，平均精度均值mAP提高6.47%, 达到85.83%。最后使用相同的数据集和预处理方法对比YOLOv5m、Faster RCNN 和 YOLOv4tiny，证明该试验方法综合强于其他经典深度学习方法，能更有效地提升茶叶嫩芽检测精准度，可以为茶叶自动采摘机器人提供理论依据。

关键词：茶叶,嫩芽检测,YOLOv5s,注意力机制,双向特征金字塔

基金资助：山东省重大科技创新工程(2021LZGC014—3)；崂山茶产业创新团队(LSCG2022000017)