基于改進(jìn)YOLOv5s的櫻桃成熟度檢測(cè)模型

打開文本圖片集

摘要：針對(duì)智能采摘領(lǐng)域中櫻桃成熟度檢測(cè)的挑戰(zhàn)，文章選取了YOLOv5s模型作為基礎(chǔ)，并進(jìn)行了針對(duì)性的改進(jìn)和優(yōu)化，旨在提升模型在櫻桃成熟度檢測(cè)任務(wù)中的性能和準(zhǔn)確性。首先采用GhostNet替代主干網(wǎng)絡(luò)，其次增加了NAMAttention模塊，顯著減少了模型的參數(shù)數(shù)量和計(jì)算需求，并且提升了檢測(cè)準(zhǔn)確性。實(shí)驗(yàn)結(jié)果顯示，改進(jìn)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(biāo)上實(shí)現(xiàn)了約6.2%的提升。（剩余8979字）