来源：期刊VIP网 时间：
作者：郑文峰;龚中良;刘强;文韬;管金伟;廖舒怀;
单位：中南林业科技大学机电工程学院;
摘要：大白菜收获机融入深度学习目标检测技术是实现大白菜收获自动化的一种重要途径，但常用的深度学习目标检测方法过于依赖GPU硬件，很难在普通移动端应用。针对这一问题，研究以YOLOv5为基础模型的大白菜快速识别方法，并进行了相应的改进。首先，用ShuffleNetV2网络的下采样单元和基本单元替换原模型骨干部分，使模型的参数大量减少，实现轻量化；然后，在颈部嵌入CBAM注意力模块检测输出，弥补轻量化后模型精度下降问题，最终的模型命名为YSCNet。实验结果表明：改进模型能够快速准确地识别白菜，其准确度、召回率、平均精度分别为97.32%、97.38%、98.08%。通过实时检测测试发现，YSCNet在CPU平台上相较于原模型表现更好，其FPS可达50.51帧/s。
关键词：大白菜;;目标检测;;YOLOv5;;轻量化;;注意力机制
基金资助：湖南省林业杰青培养科研项目(XLK202108)
