来源：期刊VIP网 时间：
作者：郭翔羽;南新元;蔡鑫;
单位：新疆大学电气工程学院;
摘要：红花是一种花期短、价值高的药用作物，针对目前采摘机器人在复杂环境下对红花的识别存在漏检率高、准确率较低等问题，本研究提出一种基于改进YOLOv7-tiny的红花检测模型YOLO-RSD。首先，利用ReXNet网络构建模型骨干网络，以消除语义压缩受阻问题，同时重新设计通道维度配置，提高了模型的特征提取能力；其次，在特征融合阶段搭建Slim-Neck结构，在减少冗余计算的同时提高了模型对不同尺度特征图的融合能力；最终，使用结合注意力机制的DyHead检测头，优化因样本数不均衡造成的难分类问题，提高了少样本数据检测精度。经实验验证，YOLO-RSD模型平均精度均值(mAP_(0.5))达到89.3%,准确率达到89.9%,相比YOLOv7-tiny模型分别提升2.8、5.5个百分点，同时，该模型优于SSD、YOLOv3、YOLOv5s、YOLOv4、YOLOR+CSP、X50-CSP等经典算法。表明该模型能够实现在复杂环境下对红花的有效、精准识别，可满足采摘机器人的实际需求。
关键词：红花;;采摘识别;;YOLOv7-tiny;;ReXNet网络;;Slim-Neck结构;;DyHead检测头
基金资助：国家自然科学基金项目(62303394)
