基于改进YOLOv5算法的智能除草机器人视觉检测研究

【摘要】：在智慧农业种植与田间管理领域,准确快速的蔬菜识别与杂草清除相辅相成。针对复杂农田环境下传统蔬菜检测方法存在的识别精度低,检测速度慢等问题,提出一种改进YOLOv5算法的蔬菜检测方法来提高检测精度和速度。首先在YOLOv5算法主干特征提取网络中引入CBAM注意力模块提高网络对蔬菜目标的关注度,然后加入Transformer编码器模块增强模型对全局信息的捕捉能力。将改进的YOLOv5算法与Faster-RCNN、SSD和原YOLOv5算法进行对比,实验结果表明,改进的YOLOv5算法对蔬菜目标的平均检测准确率可达95.7%,相比FasterRCNN、SSD和原YOLOv5算法分别提高了4.2%、6%和3.2%,且单幅图像检测时间为11ms,满足实时检测需求。本文提出的检测算法可为复杂农田环境下准确检测蔬菜目标提供技术参考。