基于改进YOLOv5的苹果采摘机器人多目标识别技术研究

来源：中国农机化学报杂志2023年第11期北京时间：

作者：寇雷雷, 张红娜

摘要：针对采摘机器人多目标检测影响因素多、识别准确率低等问题，为给采摘机械手提供有效的视觉引导，提出一种改进YOLOv5目标识别网络模型。首先，在YOLOv5s的基础上利用改进Ghost模块替代CSP模块，以减少模型计算量，使模型更为轻量化。考虑到预测框与目标框的横纵比问题，用CIoU_Loss替换GIoU_Loss作为损失函数，提高目标回归的稳定性。采用DSPP模块来代替原始的SPP模块进行池化操作，以解决SPP特征信息丢失问题，提高目标检测的准确性；然后，利用该模型对苹果图像样本进行训练与评价，分析模型性能的可靠性与可行性；最后，对数据集进行识别测试，并根据不同评价指标进行对比分析，验证所建模型的优越性。研究结果表明，所提出的改进YOLOv5网络模型具有识别准确性高、抗干扰能力强、检测速度快的特点。与其他模型相比，精确率最高提升8.4%，召回率最高提升5.1%，mAP最高提升10.3%。

关键词：苹果,多目标识别,采摘机器人,神经网络

基金资助：吉林省教育厅科学研究资助项目(JJKH20220897JY)；内蒙古自治区重点研发和成果转化计划项目(2022YFSJ0037)；吉林省高职教育教学指导项目(2022—DZXXY—005)