基于改进YOLOv5s的樱桃成熟度检测模型
打开文本图片集
摘要：针对智能采摘领域中樱桃成熟度检测的挑战，文章选取了YOLOv5s模型作为基础，并进行了针对性的改进和优化，旨在提升模型在樱桃成熟度检测任务中的性能和准确性。首先采用GhostNet替代主干网络，其次增加了NAMAttention模块，显著减少了模型的参数数量和计算需求，并且提升了检测准确性。实验结果显示，改进后的模型与YOLOv5s相比，每秒帧数提升了34%，参数数量减少了25%，FLOPs降低了29%，并且在mAP@0.5 指标上实现了约6.2%的提升。（剩余8979字）