基于改进YOLOv5算法的农田杂草检测

来源：中国农机化学报杂志2023年第4期北京时间：

作者：王宇博, 马廷淮, 陈光明

单位：1. 南京信息工程大学计算机与软件学院，南京市，210044； 2. 南京交通职业技术学院电子信息工程学院，南京市，211188； 3. 南京农业大学工学院，南京市，210031

摘要：随着智慧农业技术和大田种植技术的不断发展，自动除草具有广阔的市场前景。关于除草剂自动喷洒的有效性，农田杂草的精准、快速地识别和定位是关键技术之一。基于此提出一种改进的YOLOv5算法实现农田杂草检测，该方法通过改进数据增强方式，提高模型泛化性；通过添加注意力机制，增强主干网络的特征提取能力；通过改进框回归损失函数，提升预测框的准确率。试验表明，在芝麻作物和多种杂草的复杂环境下，本文方法的检测平均精度均值mAP为90.6%，杂草的检测平均精度AP为90.2%，比YOLOv5s模型分别提高4.7%和2%。在本文试验环境下，单张图像检测时间为2.8 ms，可实现实时检测。该研究内容可以为农田智能除草设备提供参考。

关键词：杂草检测,YOLOv5,数据增强,注意力机制,回归损失函数

基金资助：国家重点研发计划(2021YFE0104400)