-
题名基于改进YOLOv5s的田间移动障碍物检测
- 1
-
-
作者
侯艳林
艾尔肯·亥木都拉
李贺南
-
机构
新疆大学机械工程学院
-
出处
《现代电子技术》
北大核心
2024年第6期171-178,共8页
-
文摘
为实现无人农机在行驶过程中对田间移动型障碍物的实时检测,提出一种基于YOLOv5s的目标检测模型,用于检测田间行人和其他协同作业的农机设备。该目标检测模型以YOLOv5s模型为基础框架,进行了以下三点改进:第一,为了减少模型的参数量和计算复杂度,提高推理速度,将YOLOv5s网络模型中的卷积模块和C3模块替换为Ghost卷积和C3Ghost模块;第二,为了弥补模型参数量减少所造成的精度下降的损失,提升对目标的检测能力,在主干网络输出的特征层中引入CBAM注意力机制;第三,采用BiFPN特征金字塔结构,实现多尺度特征加权融合。实验结果表明,YOLOv5s模型的参数量为7.02×106,计算复杂度为15.8GB,平均检测精度为94%,生成权重文件大小为13.7MB,单幅图像的检测速度为71.43 f/s;改进后的模型参数量为4.04×106,下降了42.45%,计算复杂度缩减为8.5 GB,平均检测精度达到了93.2%,仅仅下降了0.8%,权重文件大小为8.1 MB,单幅图像的检测速度为77.52 f/s。以上数据证明,改进后的模型能够满足对田间移动型障碍物的实时检测,且更加易于部署到移动端设备。
-
关键词
移动型障碍物
YOLOv5s
无人农机
目标检测
CBAM注意力机制
双向特征金字塔网络(BiFPN)
-
Keywords
mobile obstacles
YOLOv5s
unmanned agricultural machinery
object detection
CBAM attention mechanism
bidirectional feature pyramid network(BiFPN)
-
分类号
TN911.73-34
[电子电信—通信与信息系统]
TP391.4
[自动化与计算机技术—计算机应用技术]
S24
[农业科学—农业电气化与自动化]
-