来源：期刊VIP网 时间：
作者：闫彬;邵军;
单位：西安理工大学自动化与信息工程学院;西安理工大学陕西省复杂系统控制与智能信息处理重点实验室;西安石油大学机械工程学院;
摘要：为了在提高苹果树果实目标识别模型检测精度的同时减小模型体积，提出了一种基于YOLOv5s的轻量化改进模型，用于苹果树果实目标识别，并设计了相关实验。对YOLOv5s网络架构进行改进，在骨干网络中替换嵌入深度可分离卷积模块。实验结果表明，基于测试集图像，改进模型对苹果树果实目标的平均识别精度为92.4%,单张图像的识别时间为37 ms,模型体积为11.2 MB。与YOLOv5s相比，改进模型平均识别精度提高了0.9%,识别速率提高了16%,模型体积压缩了20%。
关键词：目标检测;;果实识别;;深度学习;;实验设计
基金资助：国家自然科学基金项目(62406244);; 西安石油大学教育教学改革研究项目(JGYB202321);; 西安理工大学博士科研项目(103-451123011)
