基于改进YOLOv5s的草莓成熟度检测算法

摘要

[目的]本文旨在提高机械自动化设备进行草莓采摘时成熟度检测精度。[方法]针对草莓采摘过程中因枝叶遮挡、检测目标小、同级成熟度果皮纹理特征差异较小导致成熟度检测精度低的问题，提出一种草莓成熟度检测模型——YOLOv5s-SCW。本模型通过在Backbone中融合Swin Transformer Block,加强相同成熟度草莓果皮纹理特征融合，此外显著减少模型的参数量；在Neck中采用CA（coordinate attention）注意力机制，引入空间坐标信息，提高模型检测精度；采用Wise-IoU（WIoU）损失函数替换CIoU损失函数，动态调整目标权重，提高模型的检测性能。最后基于草莓数据集进行试验，验证改进模型的性能。[结果]相较于YOLOv5s模型，YOLOv5s-SCW模型的精确率、召回率和平均精度均值（mAP）分别提高4.9%、5.6%和4.9%,达到91.3%、90.6%和95.7%。不同成熟度（高、中、低）草莓的平均检测精度分别为97.2%、93.6%和96.3%,检测帧率为92.59帧·s^-1,模型参数量为4.84 M。[结论]本研究基于YOLOv5s提出的YOLOv5s-SCW模型显著提高了模型在自然环境下识别不同成熟度草莓的能力，大幅降低模型的参数量，实现轻量化，满足农业过程中进行实际草莓采摘的需求。

关键词

草莓 / YOLOv5s / 成熟度检测 / 轻量化

基金资助

国家自然科学基金项目(62163005); 广西壮族自治区自然科学基金项目(2022GXNSFAA035633)