基于改進YOLO v5的農(nóng)田苗草檢測方法

打開文本圖片集

摘要：針對除草機器人等智能農(nóng)業(yè)機械在復雜的農(nóng)田環(huán)境下工作時易受到雜草種類、光照多變以及葉片遮擋等因素影響，難以高效精準地檢測作物和雜草位置的問題，提出一種基于改進YOLO v5s算法的農(nóng)田苗草目標檢測方法，能夠?qū)Σ煌鞖?、位置和密度環(huán)境下的農(nóng)作物及其伴生雜草進行檢測。首先使用公開數(shù)據(jù)集并通過數(shù)據(jù)增強方法擴充數(shù)據(jù)構(gòu)建了新的苗草數(shù)據(jù)集，分析了苗草數(shù)據(jù)集的圖像特點后針對原YOLO v5算法模型的不足提出改進，結(jié)合協(xié)同注意力CA與感受野塊RFB模塊改進主干網(wǎng)絡，在只添加少量參數(shù)的情況下提高模型檢測性能；然后選擇CARAFE的上采樣方式加強網(wǎng)絡提取特征能力；最后采取WIoU v3替換CIoU損失函數(shù)，平衡錨框質(zhì)量并實現(xiàn)高精度定位。（剩余10831字）