基于改进YOLOv5的小麦穗目标检测模型

打开文本图片集

摘要：小麦穗的自动检测在小麦估产和育种方面具有较大科研价值，当前小麦穗检测方面仍存在模型复杂度较高、精度较低等问题。将深度学习技术应用于小麦穗检测，提出了基于改进YOLOv5的小麦穗精确检测模型。模型将YOLOv5主干网络中的卷积模块替换为Ghost卷积，实现模型轻量化；使用ACON激活函数替换默认的SiLU激活函数，从而使激活函数更加灵活以扩大设计空间；使用对所有IoU Loss增加n幂的Aipha-IoU Loss替换YOLOv5默认的CloU Loas以提高模型前期收敛速度；在网络中加入加权双向特征金字塔（BiFPN），改进的模型可实现参数量降低63.3%、计算量降低66.8%的情况下mAP仅降低2.17%，可满足实际应用和移动端部署的要求。（剩余817字）