您好,欢迎访问广西农业科学院 机构知识库!

基于改进YOLOv5s的咖啡果实成熟度检测方法

文献类型: 中文期刊

作者: 罗锟鹏 1 ; 文勇 2 ; 曾志康 3 ;

作者机构: 1.广西民族大学电子信息学院

2.广西民族大学人工智能学院

3.广西农业科学院农业科技信息研究所

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

期刊名称: 中国农机化学报

ISSN: 2095-5553

年卷期: 2025 年 46 卷 010 期

页码: 224-229

收录情况: 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.

  • 相关文献

[1]面向植物病害识别的卷积神经网络精简结构Distilled-MobileNet模型. 邱文杰,叶进,胡亮青,杨娟,李其利,莫贱友,易万茂. 2021

[2]基于VGG-UNet的食用菌菌丝体表型参数自动测量方法. 陈燕,陆嘉豪,胡小春,祁亮亮. 2024

[3]"数字蔗田"生产模式大数据标准体系框架. 王泽平,黄启厅,黄海荣,方辉,颜梅新,李修华,李翔. 2022

[4]基于Faster R-CNN的作物生物密度智能识别方法. 李修华,李倩,张瀚文,丁璐,王泽平. 2025

作者其他论文 更多>>