基于改进YOLOv5s模型的茶叶嫩芽识别方法.pdfVIP

第 39 卷 　 第 12 期 农 业 工 程 学 报 Vol.39　No.12 150 2023 年 　　 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2023     基于改进YOLOv5s 模型的茶叶嫩芽识别方法 ※ 王梦妮 ，顾寄南  ，王化佳 ，胡甜甜 ，方新领 ，潘知瑶 （江苏大学机械工程学院，镇江 ，212013） 摘　要：现有的目标检测算法检测茶叶嫩芽的精度较低，为提高茶叶嫩芽的检测精度，该研究提出一种基于改进 YOLOv5s网络模型的茶叶嫩芽检测算法。该算法将骨干特征提取网络中的空间金字塔池化结构 （spatial pyramid pooling- fast，SPPF）替换为空洞空间卷积池化金字塔结构 （atrous spatial pyramid pooling，ASPP），增强模型对不同分辨率下目 标的识别能力；针对茶叶嫩芽的小目标特征，在颈部网络中引入可加权重的双向特征金字塔网络 （bidirectional feature pyramid network，BiFPN），提高特征融合的效率，同时在颈部网络中的每个集中综合卷积模块 （concentrated- comprehensive convolution block，C3）后添加卷积注意力模块 （convolutional block attention module，CBAM）来提高模 型关注小目标特征的能力。试验结果表明，改进后获得的Tea-YOLOv5s 比原模型的准确率 （precision，P ）、召回率 （recall，R ）和平均精度值 （mean average precision，mAP）分别高出4.4、0.5和4个百分点，且模型鲁棒性强，在多 个场景下茶叶嫩芽的检测中具有更高的置信度分数。改进后的模型可为茶叶的产量估计和茶叶采摘机器人的嫩芽识别奠 定基础。 关键词：深度学习； 识别；YOLOv5s；茶叶嫩芽；目标检测 doi：10.11975/j.issn.1002-6819.202303099 中图分类号：S21　　　　文献标志码：A　　　　文章编号：1002-6819(2023)12-0150-08 王梦妮，顾寄南，王化佳，等. 基于改进YOLOv5s模型的茶叶嫩芽识别方法[J]. 农业工程学报，2023，39（12）：150- 157. doi: 10.11975/j.issn.1002-6819.202303099　　 WANG Mengni, GU Jinan, WANG Huajia, et al. Method for identifying tea buds based on improved YOLOv5s model[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(12): 150-157. (in Chinese with English abstract)　　doi: 10.11975/j.issn.1002-6819.202303099　　 合RGB 因子和Otsu法对图像处理，通过滤波、腐蚀膨   0　引　言 胀、阈值分割，面积筛选等得到嫩芽二值图。张可等[7] 作为全球最大的茶叶生产和消费国，中国的人均年 人基于传统阈值分割方法，结合K聚类理论，提取茶叶 [1] 图像RGB模型中的R-B分量以及Lab模型中的b分量， 消费量已超过 1 500g 。茶产业属于季节性劳动密集型