DOI：10.3969/j.issn.1672-3872.2025.23.008
基金项目：德阳市科技计划项目“丘陵山区新能源农业智能植保无人车研发”（2022NZ017）；山东省科技型中小企业创新能力提升工程项目（2021TSGC1045）
作 者：万 卓1 ，谢 俊1 ，罗自力1 ，孙显彬2 ，张站奇2（1. 四川省先进智能农机装备有限公司，四川 德阳 618000；2. 青岛理工大学，山东 青岛 266400）
摘 要：【目的】提高深度学习识别模型在复杂果园环境中的人像识别精度和效率，降低模型复杂度，解决果园管理面临的劳动力短缺、效率低下及病虫害防治压力大等问题。【方法】提出一种基于改进YOLOv5n的深度学习识别网络模型，即在YOLOv5n网络模型的基础上融入了MobileNetV3和Slim-Neck，得到了YOLOv5n+MobileNetV3+Slim-Neck（以下简称YOLOv5n-MSN）网络模型。在相同的运行环境和最优网络训练参数条件下，进行试验验证，对比YOLOv5s、YOLOv5n、YOLOv5n+MobileNetV3、YOLOv5n-MSN这四种模型的性能。【结果】YOLOv5n-MSN的mAP达到97%，收敛速度也明显优于其他三种模型。相较于YOLOv5s和YOLOv5n模型，YOLOv5n-MSN网络模型的参数量分别减少了89.6%和53.2%。【结论】YOLOv5n-MSN深度学习识别模型具有识别精度高、复杂度低、参数量少、识别速度快等优点。
关键词：植保车；深度学习；YOLOv5n；轻量化；自动跟随系统
引文信息：[1]万卓，谢俊，罗自力，等.基于改进YOLOv5n的农业植保车跟随系统设计[J].南方农机，2025，56(23)：34-37.
查看全文请下载PDF文件↓
