基于改進(jìn)YOLOv5的輕量級黃花成熟檢測方法

打開文本圖片集

摘要：黃花菜具有較短的采摘周期和相對嚴(yán)格的采摘要求，針對傳統(tǒng)人工采摘效率低、主觀性高的問題，提出一種基于深度學(xué)習(xí)的SSH-YOLOv5黃花成熟度檢測算法。以YOLOv5模型為基礎(chǔ)，結(jié)合輕量級網(wǎng)絡(luò)ShuffleNet V2基本殘差單元壓縮網(wǎng)絡(luò)模型大小，提升模型目標(biāo)檢測速度；引入SE Net通道注意力機(jī)制模塊，增強(qiáng)模型對有用特征信息的敏感度，提高目標(biāo)檢測精度；將普通卷積替換為深度可分離卷積模塊，進(jìn)一步減少模型計(jì)算量。（剩余17667字）