基于改進YOLOv5s的櫻桃成熟度檢測模型

打開文本圖片集

摘要：針對智能采摘領域中櫻桃成熟度檢測的挑戰(zhàn)，文章選取了YOLOv5s模型作為基礎，并進行了針對性的改進和優(yōu)化，旨在提升模型在櫻桃成熟度檢測任務中的性能和準確性。首先采用GhostNet替代主干網(wǎng)絡，其次增加了NAMAttention模塊，顯著減少了模型的參數(shù)數(shù)量和計算需求，并且提升了檢測準確性。實驗結果顯示，改進后的模型與YOLOv5s相比，每秒幀數(shù)提升了34%，參數(shù)數(shù)量減少了25%，F(xiàn)LOPs降低了29%，并且在mAP@0.5 指標上實現(xiàn)了約6.2%的提升。（剩余8979字）