基于改进YOLOv5的蝴蝶兰花朵识别与计数

来源：中国农机化学报杂志2023年第11期北京时间：

作者：肖克辉, , 杨宏, , 苏章顺, , 杨小丹,

摘要：为精确预测蝴蝶兰产量和对蝴蝶兰的生产进行科学管理，对大苗时期的蝴蝶兰植株花朵和花苞进行识别与检测，统计其花量。由于蝴蝶兰花苞目标体积较小，提出一种基于改进YOLOv5的蝴蝶兰花朵与花苞识别方法。首先，修改颈部网络的结构，在特征金字塔FPN（Feature Pyramid Network）和路径聚合网络PANet（Path Aggregation Network）中引入有利于小目标检测的160×160尺度特征层，以提升对小目标的检测效果；其次，使用Kmeans++聚类算法针对训练集生成更合适的先验框，并采用载入预训练权重和冻结主干网络的训练方式，以使模型更加容易学习，提高网络模型收敛速度和泛化能力；最后，在颈部网络加入轻量级注意力机制，加强对目标的关注，减少背景干扰，以提升模型的特征提取能力。试验结果显示，该算法对花苞的检测精确率达到89.54%，比改进前提升9.83%；对花苞和花朵的平均精确率达到91.81%，比改进前提升5.56%。该算法有优异的检测精度并有效提高对小目标的检测能力。

关键词：蝴蝶兰花朵,深度学习,目标检测,YOLOv5,聚类算法,注意力机制

基金资助：广东省自然科学基金项目（2020A1515010691）；国家重点研发计划重点专项（2021YFD2000802）