来源：期刊VIP网 时间：
作者：陈金荣;许燕;周建平;王小荣;崔超;
单位：新疆大学机械工程学院;新疆维吾尔自治区农牧机器人及智能装备工程研究中心;新疆大学工程训练中心;
摘要：为实现农业复杂环境中红花的快速准确识别，提出了一种基于深度学习方法的改进YOLOv5s红花目标检测算法。在YOLOv5s基础上融入适配GPU的轻量Ghost模块，获得复杂度更低、网络推理速度更快的基线模型，将CBAM注意力机制嵌入基线模型，增强了小目标物在高频特征中的表现力，并通过建立一种基于边界框宽和高差值的Focal-EIoU损失函数，提高红花在不同遮挡情况下的识别率。最后，在并联式红花采摘机器人上开展红花识别试验，验证改进算法的可行性和可靠性。结果表明：改进后的YOLOv5s模型相较于原始模型在mAP值上提高了1.94个百分点，模型参数量和单幅图像检测速度分别为3.52 MB和0.06 s/幅，红花采摘机器人视觉系统的平均识别成功率可达89.92%。
关键词：红花;;采摘机器人;;深度学习;;YOLOv5s;;识别成功率
基金资助：新疆维吾尔自治区创新团队项目(2022D14002);; 新疆农机研发制造推广应用一体化项目(YTHSD2022-05)
