基于改進YOLOv5s的茶葉嫩芽檢測

打開文本圖片集

摘要：

為提高對茶葉嫩芽識別的準(zhǔn)確率，提升自動采摘機器人的工作效率，減少人工采摘成本，提出一種對茶葉嫩芽目標(biāo)檢測的模型。通過拍攝包含白豪早茶葉嫩芽圖片，進行篩選后得到179張圖像，使用Mosic數(shù)據(jù)擴增后獲得716張圖像，建立數(shù)據(jù)集，按照訓(xùn)練集、測試集和驗證集7∶2∶1的比例劃分?jǐn)?shù)據(jù)集。針對復(fù)雜背景下茶葉嫩芽存在重疊以及遮擋所導(dǎo)致的識別精準(zhǔn)度低的問題，對YOLOv5s模型進行改動，在骨干網(wǎng)絡(luò)上增添注意力機制模塊SE和CBAM進行比較；Neck網(wǎng)絡(luò)由原來的PAFPN改為可以進行雙向加權(quán)融合的BiFPN，Head結(jié)構(gòu)增加淺層下采樣的P2模塊，提出一種茶葉嫩芽檢測的模型。（剩余15516字）