来源：期刊VIP网 时间：
作者：程浈浈;程一帆;方婷婷;龚守富;
单位：信阳农林学院;华中科技大学光电信息工程学院;
摘要：茶叶嫩芽的准确检测对于茶叶的生产和加工具有重要意义。针对毛尖茶叶嫩芽检测中小目标特征不显著、复杂背景干扰严重等问题，本研究提出了一种基于改进YOLOv5s的检测方法。首先，设计了SE(Squeeze-and-Excitation)注意力机制与CSP(Cross Stage Partial networks)结构相结合的SE＿CSP模块，并将其引入YOLOv5s的主干网络中；其次，在网络的中间层结构中引入BiFPN(Bidirectional Feature Pyramid Network)模块，以提升模型对小目标特征的提取能力以及对多尺度特征的双向融合效果，从而适应复杂场景下的目标检测需求。使用不同场景下的茶叶嫩芽数据集对改进的YOLOv5s算法进行验证，并与多种算法(Faster R-CNN、MobileNetV+SSD、YOLOv5s)进行比较分析。结果显示，本研究提出的模型在精确率、召回率和平均精度均值方面，分别较原YOLOv5s模型提高3.8、6.5、5.8个百分点。改进的YOLOv5s算法在识别各场景下的毛尖茶叶嫩芽的准确率上表现优异，显著降低了漏检率和误检率，可为茶叶产业的自动化和智能化发展提供技术支撑。
关键词：毛尖茶叶;;嫩芽检测;;计算机视觉;;YOLOv5s;;复杂背景;;小目标检测;;注意力机制
基金资助：河南省重点研发与推广专项(科技攻关)项目(232102111118)
