基于改进YOLOv5的菇房平菇目标检测与分类研究

• Published in: 农业工程学报 Vol. 39; no. 17; pp. 163 - 171
• Main Authors: 王磊磊, 王斌, 李东晓, 赵义鹏, 王春霞, 张迪迪
• Format: Journal Article
• Language: Chinese
• Published: 河北工程大学机械与装备工程学院,邯郸 056038%河北工程大学园林与生态学院,邯郸 056038 01.09.2023
• Subjects: models; EIoU loss function; 目标检测; 模型; classification; 高效通道注意力模块; target detection; 加权双向特征金字塔; pleurotus ostreatus; efficient channel attention module; EIoU损失函数; 分类; 平菇; weighted bidirectional feature pyramid
• ISSN: 1002-6819
• DOI: 10.11975/j.issn.1002-6819.202306084

TP391.4; 随着食用菌行业由自动化向智能化、信息化发展的趋势越来越明显,为了实现现代化菇房中平菇的准确检测,解决工厂化平菇栽培中收获阶段平菇之间相互遮挡等问题,帮助平菇采收机器人进行准确的自动化采收,该研究提出了一种基于YOLOv5(you only look once version 5)模型的 OMM-YOLO(ostreatus measure modle-YOLO)平菇目标检测与分类模型.通过在YOLOv5模型的Backbone层添加注意力模块,对输入的平菇图像特征进行动态加权,以获得更详细的特征信息,并在Neck层采用加权双向特征金字塔网络,通过与不同的特征层融合,提高算法的平菇目标检测的精度.此外,为了改善算法的准确性和边界框纵横比的收敛速度,该文采用了 EIoU(enhanced intersection over union)损失函数替代了原有的损失函数.试验结果表明,与原始模型相比,改进模型OMM-YOLO对成熟平菇、未成熟平菇和未生长平菇的平均精度均值分别提高了 0.4个百分点、4.5个百分点和1.1个百分点.与当前主流模型Resnet50、VGG16、YOLOv3、YOLOv4、YOLOv5m和YOLOv7相比,该模型的精确率、召回率和检测精度均处于优势,适用于收集现代化菇房中的平菇信息,有效避免了平菇之间因相互遮挡而产生的误检测现象.菇房平菇目标检测可以自动化地检测平菇的数量、生长状态等信息,帮助菇房工作人员掌握菇房内的菇况,及时调整温湿度等环境条件,提高生产效率,并且对可以对平菇进行质量控制,确保平菇产品的统一性和品质稳定性.同时可以减少对人工的依赖,降低人力成本,实现可持续发展,对智能化现代菇房建设具有积极作用.