来源：期刊VIP网 时间：
作者：侯艳林;艾尔肯·亥木都拉;李贺南;
单位：新疆大学机械工程学院;
摘要：为实现无人农机在行驶过程中对田间移动型障碍物的实时检测，提出一种基于YOLOv5s的目标检测模型，用于检测田间行人和其他协同作业的农机设备。该目标检测模型以YOLOv5s模型为基础框架，进行了以下三点改进：第一，为了减少模型的参数量和计算复杂度，提高推理速度，将YOLOv5s网络模型中的卷积模块和C3模块替换为Ghost卷积和C3Ghost模块；第二，为了弥补模型参数量减少所造成的精度下降的损失，提升对目标的检测能力，在主干网络输出的特征层中引入CBAM注意力机制；第三，采用BiFPN特征金字塔结构，实现多尺度特征加权融合。实验结果表明，YOLOv5s模型的参数量为7.02×106，计算复杂度为15.8GB，平均检测精度为94%，生成权重文件大小为13.7MB，单幅图像的检测速度为71.43 f/s；改进后的模型参数量为4.04×106，下降了42.45%，计算复杂度缩减为8.5 GB，平均检测精度达到了93.2%，仅仅下降了0.8%，权重文件大小为8.1 MB，单幅图像的检测速度为77.52 f/s。以上数据证明，改进后的模型能够满足对田间移动型障碍物的实时检测，且更加易于部署到移动端设备。
关键词：移动型障碍物;;YOLOv5s;;无人农机;;目标检测;;CBAM注意力机制;;双向特征金字塔网络(BiFPN)
