改进YOLOv5的无人机影像果树检测方法研究

在果树密集种植区,果树冠层间相互遮挡以及背景噪声限制了检测果树的准确性,为提高自然环境中果树冠层的检测精度,以新疆渭干河-库车河三角洲绿洲果园无人机遥感影像为基础,提出了一种基于改进YOLOv5的无人机影像果树检测方法。YOLOv5被用作基线网络,使用注意力机制CBAM模块关注果树整体,并根据果树冠层的大小和形状自适应地调整感受野,增强果树的特征提取,以减少由于目标的大小和形状不同而导致的漏检;使用Alpha损失函数加大收敛效果,从而在不增加计算量的情况下减少复杂背景对果树检测结果的干扰。试验结果表明,改进的YOLOv5模型能够有效提高果树检测精度,与其他经典目标检测模型相比,平均精度均值mAP分别提高了0.52%、48.33%、13.44%、4.71%、26.71%和2.1%,具有较高的鲁棒性和泛化性。本文改进的YOLOv5模型能够准确检测出无人机影像中的果树冠层,可以为自动化果园监测、智能识别和工程应用提供参考。