DOI：10.3969/j.issn.1672-3872.2024.01.006
作者：杨明瑞，古玉锋（长安大学道路施工技术与装备教育部，陕西 西安 710064）
摘 要：【目的】机械化、智能化、信息化是现代农业的发展方向，为了解决无人驾驶农业车辆环境感知这一难题，实现对车辆前方目标的实时视觉检测，提出一种基于改进YOLOv5的轻量化目标检测算法。【方法】采用轻量化的Ghost模块替换网络中原有的卷积层，极大地降低模型的参数量；修改颈部网络结构，增设新的检测层，增强网络对小目标的检测能力；引入 CARAFE算子，提升网络对语义信息的提取能力；通过TensorRT对改进后的网络模型进行优化后，将其部署在Jetson Nano嵌入式平台上。【结果】改进后的算法在KITTI数据集上检测精度达到91.3%，参数量显著降低44.3%，并且在嵌入式平台上可以实现实时运行。【结论】改进后的算法可以在保证轻量化的前提下，很好地实现农业车辆对前方行人、车辆等目标的检测，具有一定的现实意义和应用价值。
关键词：无人驾驶；目标检测；YOLOv5
引文信息：[1]杨明瑞，古玉锋.基于改进YOLOv5的无人驾驶农业车辆视觉检测[J].南方农机，2024，55(1)：21-23+37.
查看全文请下载PDF文件↓
