基于改进YOLOv5的水果检测

近年来,中国水果产业快速发展,出口产品销量始终位居世界前列,但水果采摘问题不容忽视,由于各方原因,我国采摘基本依赖人工、耗时且效率低,天气环境等因素严重影响人工作业。基于采摘检测困难问题,以苹果为研究对象,提出了基于YOLOv5s改进的YOLOv5-OCG结构,主要改进内容为:(1)构建新的主干网络OCSP Darknet,其中ODConv卷积可动态调整卷积核,CBAM通过通道与空间两方面更好地提取重要特征;(2)引入GFPN替换头部的C3网络,通过自底向上和自顶向下两种方式联合进行多尺度特征融合。相比最初的YOLOv5原始模型,mAP提高至0.767,改进后的模型有较高的稳定性,可适应不同情况状态下的水果检测,有一定的实际意义。