基于改进YOLOv5的蝴蝶兰花朵识别与计数

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。