一种基于YOLO v5的草莓多阶段目标检测方法

草莓是一种流行性较广的高价值水果，在我国种植面积较广。草莓采摘期较长，同一时间可能存在多种形态的果实，针对这一特殊生长习性，提出一种基于YOLO v5的目标检测算法，在准确识别成熟果实的同时，完成多阶段草莓的检测，用于机器人采摘、成熟期预估和生产管理。使用草莓生产环境下图像建立数据集，利用深度学习网络提取草莓生长期各阶段特征。将YOLO v5n、YOLO v5s、YOLO v5m 3种YOLO v5系列的模型和CIoU、EIoU、SIoU、AlphaIoU 4种损失函数计算方法组合，形成了12种算法，在数据集上进行对比试验，结果表明SIoU更适合本研究。将优化后的模型在Jetson Xavier NX和Jetson Nano 2款嵌入式开发板上进行推理效率验证，明确了不同开发板使用的最优模型，Jetson Xavier NX更适合YOLO v5m+SIoU的模型、Jetson Nano更适合YOLO v5s+SIoU的模型，为草莓智能化生产奠定基础。