来源：期刊VIP网 时间：
作者：魏喜安;白龙;闫涛;郭嘉褀;
单位：北京信息科技大学机电工程学院;
摘要：为了满足茄子采摘机器人对温室不同光照、遮挡环境下茄子与果梗的快速准确检测，该研究提出了一种轻量化YOLOv5s茄子检测模型。首先，使用MobileNetV3替换YOLOv5s特征提取网络；然后，将轻量级CBAM注意力机制嵌入MobileNetV3骨干网络中，增强特征提取能力，在保证具有良好精度的前提下，减少模型的参数量；最后，试验确定使用WIoU替换CIoU作为边界回归损失函数。基于自制不同光照下茄子数据集，对改进后的YOLOv5s算法模型进行测试。试验结果表明：改进后的模型相较于原模型参数量减少49.7%,计算量减少61%;使用该模型对不同光照条件的茄子及果梗的平均检测精度为95.2%,相较于原模型提高1.2%;在GPU下的检测速度为55.6帧/s, CPU下的检测速度为10.4帧/s。研究表明：改进后算法可以满足茄子采摘机器人对茄子采摘的实时检测要求。
关键词：茄子;;果梗;;YOLOv5s;;轻量化;;光照变化
基金资助：国家自然科学基金项目(11802035);; 北京市科技计划一般项目(KM201911232022);; 北京信息科技大学“勤信英才”项目(5112111110)
