基于改进YOLOv5的温室番茄果实检测算法

杨彩云; 王磊; 姚桂廷; 张明宇; 陈宇昂

doi:10.14045/j.cnki.15-1220.2024.04.011

内蒙古民族大学学报（自然科学版） ›› 2024, Vol. 39 ›› Issue (4) : 56 -62. DOI: 10.14045/j.cnki.15-1220.2024.04.011

基于改进YOLOv5的温室番茄果实检测算法

杨彩云, 王磊, 姚桂廷, 张明宇, 陈宇昂

作者信息 +

Author information +

文章历史 +

摘要

为实现番茄采摘机器人在温室环境下准确高效地作业，提出了一种基于改进YOLOv5深度学习网络的番茄果实检测算法——SL-YOLOv5。改进的算法中，通过Sim SPPF(Simplified Spatial Pyramid Pooling-Fast)替换SPP(Spatial Pyramid Pooling)网络结构，加快网络对番茄果实的检测速度。同时，引入大型分离卷积注意力机制LSKA(Large Separable Kernel Attention)，以此提高网络对番茄果实的检测精度；在自制的温室番茄果实数据集上对该算法进行了测试。结果表明：改进后的SL-YOLOv5算法对成熟番茄果实识别准确率达到0.963，对未成熟番茄果实识别准确率达到0.951，综合识别准确率达到0.957，高于原YOLOv5算法2.4%；改进后的SL-YOLOv5算法检测速度FPS(Frames Per Second)达到6.75，比原YOLOv5算法提高17.2%。改进后的SL-YOLOv5算法能够在温室环境下准确检测出番茄果实，并能够对成熟番茄和未成熟番茄进行分类，与原YOLOv5算法相比，有效提升了检测的精度和速度。