基于改进YOLOv5s的咖啡果实成熟度检测方法

罗锟鹏; 文勇; 曾志康; 《中国农机化学报 》 2025 北大核心

摘要：针对目前咖啡果实成熟度检测中存在低精度和计算复杂问题,提出一种基于YOLOv5s的咖啡果实成熟度检测算法模型.以YOLOv5s模型为基础,结合ShuffleNet V2 轻量化网络,以降低模型计算复杂度;把SPPF模块嵌入到主干网络中,提高模型对特征信息提取和融合的能力;引入RFAConv注意力卷积,使模型关注感受野空间特征,进一步提高检测性能;用SIoU损失函数取代CIoU损失函数,提高模型学习目标位置和形状信息的能力,进而提高模型的检测精度.试验结果表明,改进后的YOLOv5s算法相比原始模型精确率提高 0.5%,召回率提高 0.1%,平均精度均值提高 1.1%,同时参数量减少 10%,浮点运算量FLOPs减少 4.4%,不但实现模型目标检测精度的提升,而且也使算法网络的复杂度降低.

关键词： 咖啡果实 成熟度检测 深度学习 YOLOv5s 目标检测 注意力机制