基于改进YOLOv5的蝴蝶兰花朵识别与计数 |
| |
引用本文: | 肖克辉,杨宏,苏章顺,杨小丹.基于改进YOLOv5的蝴蝶兰花朵识别与计数[J].中国农机化学报,2023(11):155-161+209. |
| |
作者姓名: | 肖克辉 杨宏 苏章顺 杨小丹 |
| |
作者单位: | 1. 华南农业大学数学与信息学院;2. 农业农村部华南热带智慧农业技术重点实验室 |
| |
基金项目: | 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); |
| |
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 |
|
|