用于复杂环境下果蔬检测的改进YOLOv5算法研究

来源：中国农机化学报杂志2023年第1期北京时间：

作者：汪颖, 王峰, 李玮, 王艳艳, 王应彪, 罗鑫

单位：西南林业大学机械与交通学院，昆明市，650224

摘要：针对不同光照，遮挡重叠，大视场等复杂环境下，自动采摘机器人无法快速准确地识别果蔬目标的问题，提出一种用于复杂环境下果蔬检测的改进YOLOv5(You Only Look Once v5)算法。首先，在主干网络Backbone中的CBL模块中嵌入卷积注意力机制（Convolutional Block Attention Module，CBAM），提高目标特征的提取能力。其次，引入完全交并比非极大抑制算法（Complete IOU Nonmaximum suppression，CIOU-NMS），考虑长宽边长真实差，提高回归精度。最后，用加权双向特征金字塔网络（Bidirectional Feature Pyramid Network，BiFPN）替换原始YOLOv5的路径聚合网络（PANet），融合多尺度特征提高识别精度和准确率。以苹果为例进行试验，结果表明：改进YOLOv5算法精准率为94.7%，召回率为87%，平均精度为92.5%，相比于原始YOLOv5算法AP提高3.5%，在GPU下的检测时间为11 ms，可以实现复杂情况下的果蔬快速准确识别。

关键词：YOLOv5,果蔬检测,注意力机制,完全交并比,特征金字塔

基金资助：云南省教育厅科学研究基金(2022Y571)