来源：期刊VIP网 时间：
作者：杨明轩;陈琳;
单位：长江大学计算机科学学院;
摘要：针对复杂环境下棉田杂草检测与识别困难等问题，提出一种改进YOLOv5的棉田杂草检测算法——CSTYOLOv5。首先，通过数据增强算法解决棉田杂草样本分布不均匀导致的模型训练效果不充分问题；其次，考虑到通道信息和方向位置信息，在主干网络中加入了坐标注意力机制；最后，在颈部网络中将Swin Transformer Block引入C3模块，得到新的C3STR模块，以保留全局上下文信息和多尺度特征。实验结果表明，CST-YOLOv5模型的mAP值达到95.1%,F1值达到90.4%，比原YOLOv5模型提高了4.8%、3.2%。所设计算法具有良好的鲁棒性，能精确识别多类杂草。
关键词：杂草检测;;YOLOv5;;深度学习;;目标检测;;注意力机制;;棉花保护
基金资助：国家自然科学基金项目（62006028）;; 湖北省自然科学基金项目（2022CFB132）;; 湖北省教育厅自然科学研究计划项目（B2022038）
