DOI：10.3969/j.issn.1672-3872.2025.22.001
基金项目：国家自然科学基金“电纺射流中拉伸粘性的作用机制和规律的研究”（11762007）
作 者：叶锃䶮 ，徐 磊 ，于盛睿（景德镇陶瓷大学机械电子工程学院，江西 景德镇 333403）
摘 要：【目的】解决自然环境下由于树叶、树枝、果实互相遮挡导致油茶果实精准识别困难，而高精度的目标识别又会使检测模型复杂化、降低检测效率等问题。【方法】设计了一种轻量级YOLOv5s-SNG模型识别油茶果实，该模型在颈部部分用GhostConv模块和C3Ghost模块代替Conv模块和C3模块提取特征，减少参数和计算复杂度；在主干网络部分加入SE注意力机制，减少由于多种遮挡导致的检测精度损失，从而提高模型整体性能和效率。并以各目标检测模型的AP、mAP、FPS、Model size、GFLOPs为指标，进行了YOLOv5s-SNG模型的消融实验以及与YOLOv3、YOLOv3-tiny、YOLOv5m、YOLOv5l、YOLOv5s模型的对比实验。【结果】YOLOv5s-SNG模型的mAP为91.3%，模型规模仅为11.6 MB，计算量和参数量分别压缩到原来的84.1%和80.5%。与多个轻量化模型相比，该方法的检测速度和精度都具有竞争力。【结论】本研究实现了采摘机器人在油茶图像中对可采摘油茶果实和不可采摘油茶花苞的自动识别，可为油茶果实采摘机器人实时准确检测多个果实目标提供技术支持，应用前景广阔。
关键词：油茶果实；YOLOv5算法；深度学习；图像检测；注意力机制
引文信息：[1]叶锃䶮，徐磊，于盛睿.基于改进的轻量化YOLOv5算法的油茶果实检测方法[J].南方农机，2025，56(22)：1-6+24.
查看全文请下载PDF文件↓
