文献类型：期刊文章

作　　者：黄彤镔[1,2] 黄河清[1,2] 李震[1,2,3,4] 吕石磊[1,2,3,4] 薛秀云[1,2] 代秋芳[1,2] 温威[2,5]

HUANG Tongbin;HUANG Heqing;LI Zhen;LÜShilei;XUE Xiuyun;DAI Qiufang;WEN Wei(College of Electronic Engineering(College of Artificial Intelligence),South China Agricultural University,Guangzhou 510642,China;Division of Citrus Machinery,China Agriculture Research System,Guangzhou 510642,China;Guangdong Engineering Research Center for Monitoring Agricultural Information,Guangzhou 510642,China;Guangdong Artificial Intelligence and Digital Economy Laboratory(Guangzhou),Guangzhou 510330,China;Engineering Fundamental Teaching and Training Center,South China Agricultural University,Guangzhou 510642,China)

机构地区：[1]华南农业大学电子工程学院(人工智能学院),广州510642 [2]国家柑橘产业技术体系机械化研究室,广州510642 [3]广东省农情信息监测工程技术研究中心,广州510642 [4]人工智能与数字经济广东省实验室(广州),广州510330 [5]华南农业大学工程基础教学与训练中心,广州510642

出　　处：《华中农业大学学报》

基　　金：国家重点研发计划(2020YFD1000107);国家自然科学基金项目(31971797);国家现代农业产业技术体系建设专项(CARS–26);广东省科技厅项目(2021A1515010923);广东省省级乡村振兴战略专项(粤财农[2021]37号);广东省大学生科技创新培养专项(pdjh2020a0083)。

年　　份：2022

卷　　号：41

期　　号：4

起止页码：170-177

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：为实现在自然环境下对柑橘果实的识别,提出一种基于YOLOv5改进模型的柑橘识别方法。通过引入CBAM(convolutional block attention module,卷积注意力模块)注意力机制模块来提高网络的特征提取能力,改善遮挡目标与小目标的漏检问题;采用α-IoU损失函数代替GIoU损失函数作为边界框回归损失函数,提高边界框定位精度。结果显示:本研究提出的模型平均精度AP值达到91.3%,在GPU上对单张柑橘果实图像的检测时间为16.7 ms,模型占用内存为14.5 Mb。结果表明,本研究基于YOLOv5的改进算法可实现在自然环境下快速准确地识别柑橘果实,满足实时目标检测的实际应用需求。

关 键 词：YOLOv5  柑橘识别  自动采摘  CBAM 损失函数 注意力机制  α-IoU  

分 类 号：S661.1] TP391.41]