为了快速准确地检测麦穗并计数,特提出改进YOLOv5s的麦穗检测与计数的轻量网络模型PY-bckbone。首先,基于PP-LCNet轻量网络结构,对YOLO(you only look once)v5s的特征提取网络进行替换,减少网络参数和计算量;其次,为提高检测精度,在网...为了快速准确地检测麦穗并计数,特提出改进YOLOv5s的麦穗检测与计数的轻量网络模型PY-bckbone。首先,基于PP-LCNet轻量网络结构,对YOLO(you only look once)v5s的特征提取网络进行替换,减少网络参数和计算量;其次,为提高检测精度,在网络特征提取处加入坐标注意力机制,并且对颈部特征融合处的卷积层做改动,提升模型在复杂麦田背景下检测目标的能力,最后,将改进后的模型与其它经典模型进行麦穗检测与计数实验对比。结果表明:均值平均精度值为94.2%,分别比Faster RCNN、 SSD、YOLOv4-tiny、Yolov5s提高的百分点数为6.79、32.75、22.08、1.1;参数量比YOLOv5s减少了28%,计算量减少了42%。与传统检测网络相比,该模型在麦田复杂场景下具有较好较快的检测能力。展开更多
