基于改進(jìn)YOLOv5的小麥穗目標(biāo)檢測模型

打開文本圖片集

摘要：小麥穗的自動(dòng)檢測在小麥估產(chǎn)和育種方面具有較大科研價(jià)值，當(dāng)前小麥穗檢測方面仍存在模型復(fù)雜度較高、精度較低等問題。將深度學(xué)習(xí)技術(shù)應(yīng)用于小麥穗檢測，提出了基于改進(jìn)YOLOv5的小麥穗精確檢測模型。模型將YOLOv5主干網(wǎng)絡(luò)中的卷積模塊替換為Ghost卷積，實(shí)現(xiàn)模型輕量化；使用ACON激活函數(shù)替換默認(rèn)的SiLU激活函數(shù)，從而使激活函數(shù)更加靈活以擴(kuò)大設(shè)計(jì)空間；使用對(duì)所有IoU Loss增加n冪的Aipha-IoU Loss替換YOLOv5默認(rèn)的CloU Loas以提高模型前期收斂速度；在網(wǎng)絡(luò)中加入加權(quán)雙向特征金字塔（BiFPN），改進(jìn)的模型可實(shí)現(xiàn)參數(shù)量降低63.3%、計(jì)算量降低66.8%的情況下mAP僅降低2.17%，可滿足實(shí)際應(yīng)用和移動(dòng)端部署的要求。（剩余817字）