采用改進(jìn)的YOLOv5s 檢測(cè)花椒簇

徐 楊 ，熊舉舉 ，李 論 ，彭佑菊 ，何佳佳

（1. 貴州大學(xué)大數(shù)據(jù)與信息工程學(xué)院，貴陽 550025；2. 貴陽鋁鎂設(shè)計(jì)研究院有限公司，貴陽 550025）

0 引言

隨著農(nóng)業(yè)領(lǐng)域的快速發(fā)展與人工智能技術(shù)的廣泛應(yīng)用，農(nóng)業(yè)生產(chǎn)逐漸朝著智能化、高效化的方向發(fā)展。作為中國常見的農(nóng)作物之一，花椒被廣泛種植和消費(fèi)。然而，傳統(tǒng)的花椒采摘主要依賴人工勞動(dòng)。由于花椒枝干上遍布尖刺且枝葉雜亂，采摘的難度較大。因此，開發(fā)自動(dòng)化采摘技術(shù)[1-2]對(duì)花椒產(chǎn)業(yè)的發(fā)展至關(guān)重要。

目標(biāo)檢測(cè)算法是實(shí)現(xiàn)自動(dòng)化采摘技術(shù)的關(guān)鍵[3]。傳統(tǒng)的目標(biāo)檢測(cè)算法通常需要先對(duì)花椒圖像進(jìn)行分割，去除背景信息，再提取尺度不變特征轉(zhuǎn)換[4]（scaleinvariant feature transformer，SIFT）或方向梯度直方圖[5]（histogram od oriented gradient，HOG）等紋理特質(zhì)，然后進(jìn)行目標(biāo)定位和識(shí)別。萬芳新等[6]利用紅色和綠色的圖像差異進(jìn)行分割，使用優(yōu)化腐蝕濾除噪點(diǎn)和隔離帶法去除非目標(biāo)花椒果實(shí)，實(shí)現(xiàn)對(duì)花椒的定位。齊銳麗等[7]利用HSV（hue，saturation，value）模型對(duì)花椒圖像進(jìn)行處理，然后使用Otsu 算法進(jìn)行閾值分割，以達(dá)到對(duì)花椒目標(biāo)的辨識(shí)。

上述傳統(tǒng)的機(jī)器學(xué)習(xí)算法需要手工提取特征，難以獲得較好的檢測(cè)結(jié)果。基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法通過大規(guī)模的訓(xùn)練和端到端的學(xué)習(xí)取得了顯著進(jìn)展，能夠有效應(yīng)對(duì)農(nóng)業(yè)工程中復(fù)雜的場(chǎng)景、光照變化、遮擋等挑戰(zhàn)。它們能夠適應(yīng)不同尺寸、不同類別、不同比例和不同的形狀目標(biāo)，具有魯棒性強(qiáng)、自適應(yīng)性好、準(zhǔn)確率高的優(yōu)勢(shì)。在農(nóng)業(yè)自動(dòng)化領(lǐng)域得到了廣泛的應(yīng)用，如獼猴桃花朵檢測(cè)[8]，茶葉雜質(zhì)檢測(cè)[9]、套袋柑橘檢測(cè)[10]等。

常用的目標(biāo)檢測(cè)算法分為兩類，第一類是基于候選區(qū)域的目標(biāo)檢測(cè)算法。主要有R-CNN[11]、Fast R-CNN[12]、Faster R-CNN[13]、SPPNet[14]等。另一類是基于回歸的目標(biāo)檢測(cè)算法，代表性的算法有YOLO[15-18]系列和SSD[19]系列等。YOLO 系列算法具有高準(zhǔn)確率和高檢測(cè)速度的優(yōu)點(diǎn)，被廣泛應(yīng)用在農(nóng)作物的果實(shí)檢測(cè)中。趙德安等[20]通過YOLOv3 卷積神經(jīng)網(wǎng)絡(luò)遍歷整個(gè)圖像回歸目標(biāo)的類別和位置，在效率與準(zhǔn)確率兼顧的情況下實(shí)現(xiàn)了復(fù)雜環(huán)境下蘋果的檢測(cè)。楊堅(jiān)等[21]改進(jìn)YOLOv4，通過添加小目標(biāo)檢測(cè)頭有效解決遮擋和小番茄識(shí)別準(zhǔn)確率低的問題。

目前國內(nèi)外對(duì)農(nóng)作物果實(shí)的目標(biāo)檢測(cè)研究較為成熟，但是以花椒簇為對(duì)象的目標(biāo)檢測(cè)研究較少。李光明等[22]使用ShuffleNet 作為主干，輕量化YOLOv5 模型實(shí)現(xiàn)了對(duì)花椒簇的檢測(cè)。楊前等[23]提出多任務(wù)上下文增強(qiáng)的花椒檢測(cè)模型，向YOLOv4 目標(biāo)檢測(cè)網(wǎng)絡(luò)中加入枝干分割模塊，形成檢測(cè)-分割多任務(wù)網(wǎng)絡(luò)準(zhǔn)確檢測(cè)近景花椒。

本研究提出一種基于YOLOv5s 的花椒簇檢測(cè)模型，通過改進(jìn)YOLOv5s 的主干網(wǎng)絡(luò)、使用OTA（optimal transport assignment）優(yōu)化模型訓(xùn)練過程中的標(biāo)簽分配策略、使用WIoU 作為邊界框損失函數(shù)實(shí)現(xiàn)對(duì)花椒測(cè)的快速檢測(cè)。

1 材料與方法

1.1 數(shù)據(jù)集

本文以成熟的花椒簇為研究對(duì)象，部分圖像采集于貴州省黔西南布依族苗族自治州晴隆縣玄德花椒產(chǎn)業(yè)發(fā)展有限公司花椒種植基地，其經(jīng)度、緯度及海拔分別是26.148°、105.942°和1 007 m。于2022 年6 月3 日，采用手機(jī)攝像頭進(jìn)行拍攝，拍攝照片分辨率為2 400×1 344 像素，經(jīng)過篩選得到400 張圖像。為了增強(qiáng)數(shù)據(jù)的多樣性，從中國植物圖像庫獲取了148 張花椒圖像作為補(bǔ)充，以提供更多樣化的花椒簇樣本，覆蓋更廣泛的特征和變化。

對(duì)收集到的548 張圖像，使用LabelImg 工具對(duì)目標(biāo)以最小外接矩形框進(jìn)行標(biāo)注。為了增加數(shù)據(jù)的多樣性及魯棒性，對(duì)這些圖像進(jìn)行數(shù)據(jù)增強(qiáng)處理，針對(duì)每張圖像及其標(biāo)注框，采用隨機(jī)旋轉(zhuǎn)和亮度調(diào)整的方式進(jìn)行數(shù)據(jù)擴(kuò)充。具體來說，將圖像在-15°到15°之間隨機(jī)旋轉(zhuǎn)、并對(duì)圖像及標(biāo)注框進(jìn)行隨機(jī)亮度調(diào)整，調(diào)整范圍為-25%到25%。通過這種方式，為每張圖像生成兩張新的圖像，最終得到共計(jì)1 644 張圖像的數(shù)據(jù)集。將數(shù)據(jù)集按照7:2:1 的比例隨機(jī)劃分訓(xùn)練集、驗(yàn)證集以及測(cè)試集。數(shù)據(jù)集部分圖像如圖1 所示。

圖1 數(shù)據(jù)集部分圖像示例Fig.1 Example of some images from the dataset

1.2 改進(jìn)YOLOv5s 模型的搭建

YOLOv5s 主要由骨干網(wǎng)絡(luò)（BackBone）、頸部網(wǎng)絡(luò)（Neck）和頭部預(yù)測(cè)網(wǎng)絡(luò)（Head）組成。YOLOv5s 的主干網(wǎng)絡(luò)CSPDarkNet53 通過深層的卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行圖像提取，卷積神經(jīng)網(wǎng)絡(luò)可以高效的提取圖像特征，但是感受野較小，難以捕獲較遠(yuǎn)距離的語義信息。此外，卷積神經(jīng)網(wǎng)絡(luò)通過在圖像的不同位置應(yīng)用相同的卷積核進(jìn)行權(quán)值共享，難以準(zhǔn)確識(shí)別具有不同尺度或上下文信息的目標(biāo)。自注意力機(jī)制對(duì)圖像的全局依賴關(guān)系進(jìn)行建模，不進(jìn)行權(quán)值共享，更適應(yīng)不同尺度、形狀和上下文信息的目標(biāo)，可以提供更精準(zhǔn)的定位和目標(biāo)區(qū)分能力。

改進(jìn)YOLOv5s 的結(jié)構(gòu)如圖2 所示，主要改進(jìn)如下。首先，結(jié)合卷積神經(jīng)網(wǎng)絡(luò)與自注意力機(jī)制的優(yōu)勢(shì)，利用輕量級(jí)的卷積神經(jīng)網(wǎng)絡(luò)模塊MBConv[24]和基于ReLU 的自注意力機(jī)制[25]改進(jìn)EfficientViT 網(wǎng)絡(luò)[26]。用其作為改進(jìn)YOLOv5s 的主干網(wǎng)絡(luò)，減少模型參數(shù)量的同時(shí)增強(qiáng)模型的感受野以及多尺度學(xué)習(xí)能力。其次，在訓(xùn)練過程中使用了OTA[27]標(biāo)簽分配策略，利用全局信息尋找最優(yōu)的樣本匹配結(jié)果，提高標(biāo)簽分配的質(zhì)量。最后，用WIoU 損失函數(shù)[28]對(duì)原損失函數(shù)CIoU 進(jìn)行替換，通過將高質(zhì)量錨框的競(jìng)爭(zhēng)能力降低，同時(shí)減少低質(zhì)量錨框所產(chǎn)生的有害梯度，來優(yōu)化邊界框定位能力。

圖2 改進(jìn)YOLOv5s 網(wǎng)絡(luò)整體架構(gòu)Fig.2 Improved YOLOv5s network architecture

1.2.1 EfficientViT 網(wǎng)絡(luò)

本文使用改進(jìn)的EfficientViT 網(wǎng)絡(luò)作為改進(jìn)YOLOv5s 模型的主干，該網(wǎng)絡(luò)使用一系列輕量化的卷積操作和輕量級(jí)自注意力機(jī)制提取圖像特征。EfficientViT網(wǎng)絡(luò)架構(gòu)如圖3 所示。輸入維度為640×640×3 的三通道RGB 圖像，通過Input Item 模塊后，特征圖依次通過Stage1、Stage2、Stage3、Stage4 進(jìn)行處理，最終將Stage4 的輸出輸入到SPPF（fast spatial pyramid pooling）模塊中。在特征提取的過程中，使用MBConv（MobileNetV3 block convolution，MBConv）模塊來提取圖像的特征。在Stage3 和Stage4 的MBConv 之后，添加LightweightViT 模塊，以進(jìn)一步的增強(qiáng)重要特征的表達(dá)能力。

圖3 EfficientViT 網(wǎng)絡(luò)整體架構(gòu)Fig.3 EfficientViT network architecture

MBConv 模塊的結(jié)構(gòu)如圖4 所示。首先，通過一個(gè)輕量級(jí)的1×1 卷積操作，降低輸入特征圖的通道數(shù)。然后采用深度可分離卷積DWConv（depthwise convolution，DWConv）對(duì)輸入進(jìn)行處理。經(jīng)過DWConv 之后，將其輸出通過SENet[29]（squeeze-and-excitation networks，SENet）進(jìn)行處理。接下來，通過一個(gè)1×1 卷積操作將通道數(shù)恢復(fù)到與輸入特征圖相同的數(shù)量。最后，將經(jīng)過DWConv 和SENet 處理的特征圖與輸入特征圖在相同維度的數(shù)值進(jìn)行相加，避免梯度消失的問題。

圖4 MBConv 模塊Fig.4 MBConv module

其中，DWConv 分為深度卷積和逐點(diǎn)卷積。深度卷積將通道間的卷積分解為獨(dú)立的卷積操作，在每個(gè)通道上進(jìn)行獨(dú)立的卷積。逐點(diǎn)卷積使用1×1 的卷積核對(duì)深度卷積的輸出進(jìn)行卷積操作，相當(dāng)于對(duì)特征圖的通道維度進(jìn)行線性組合。兩者相結(jié)合，使得網(wǎng)絡(luò)在保持高效性的同時(shí)，能夠更好地提取和表示特征。

SE 模塊通過一個(gè)全局平均池化將特征圖降維，然后通過兩個(gè)全連接層生成每個(gè)通道的注意力權(quán)重，最后這些權(quán)重與輸入特征相乘，得到新的特征圖。SE 模塊的輸入是之前模塊得到的特征圖F∈RH×W×C，輸出為

式中?表示基于元素的乘法，兩個(gè)全連接層的激活函數(shù)分別是ReLU 函數(shù)和Sigmoid 函數(shù)。SE 模塊的輸出保留了輸入特征圖每個(gè)通道的重要信息，通過對(duì)每個(gè)通道的自適應(yīng)調(diào)整，以突出關(guān)鍵特征，能夠提高網(wǎng)絡(luò)的表達(dá)能力和特征選擇能力。

LightweightViT 模塊如圖5 所示。該模塊由一個(gè)輕量級(jí)多尺度注意力Lightweight MSA（lightweight multiscale attention）模塊和一個(gè)MBConv 模塊組成。

圖5 LightweightViT 模塊Fig.5 LightweightViT module

Lightweight MSA 模塊使用5×5 和3×3 的深度可分離卷積DSConv（depthwise separable convolution，DSConv）將附近的Q、K、V聚合起來。再通過輕量級(jí)的自注意力處理，增強(qiáng)了模塊的多尺度學(xué)習(xí)能力。假設(shè)輸入是x∈RN×f，自注意力可以表示為

式中Q=xWQ，K=xWK，V=xWV，Qi是矩陣Q的第i行，Kj、Vj分別是矩陣K、V的第j列。而WQ、Wk、WV∈Rf×d是可學(xué)習(xí)的線性映射矩陣。Oi是輸出矩陣O的第i行。Sim(·,·)是相似性函數(shù)。

本文使用基于ReLU 的全局注意力，相似性函數(shù)Sim(·,·) 可表示為 Sim(Q,K)=ReLU(Q)ReLU(K)T。則式（2）可改寫為

1.2.2 標(biāo)簽分配策略

目標(biāo)檢測(cè)網(wǎng)絡(luò)通過預(yù)測(cè)一組預(yù)先定義的特征點(diǎn)或錨框（YOLOv5s 中使用錨框）的分類標(biāo)簽和回歸偏移量完成密集的預(yù)測(cè)任務(wù)。為了訓(xùn)練檢測(cè)器，需要為每個(gè)錨框定義分類標(biāo)簽和回歸目標(biāo)，這被稱為標(biāo)簽分配。在YOLOv5 中，采用了基于形狀匹配的標(biāo)簽分配策略，該策略通過計(jì)算真實(shí)標(biāo)注目標(biāo)和每個(gè)錨框的寬高比來確定正樣本。

OTA 標(biāo)簽分配策略從全局的角度進(jìn)行標(biāo)簽分配。將其視為一個(gè)優(yōu)化運(yùn)輸（optimal transport，OT）問題。其目標(biāo)是尋找一個(gè)運(yùn)輸計(jì)劃 ω*={ωi,j|i=1,2,...m,j=1,2,...n}，使得所有供應(yīng)商的貨品都能夠以最小的運(yùn)輸成本提供給需求者，可表示為

式中m為供應(yīng)商數(shù)量、n為需求者數(shù)量、s為供應(yīng)向量、d為需求向量。對(duì)于目標(biāo)檢測(cè)任務(wù)，假設(shè)輸入圖像中存在m個(gè)真實(shí)標(biāo)注目標(biāo)和n個(gè)錨框(anchor)。把每一個(gè)真實(shí)標(biāo)注目標(biāo)視為持有k個(gè)單位正標(biāo)簽的供應(yīng)商，而每一個(gè)錨框則是單位標(biāo)簽的需求者。將單位正標(biāo)簽從gti運(yùn)輸?shù)揭粋€(gè)錨框aj的成本可以表示為分類損失和回歸損失的加權(quán)和

除了正樣本之外，大量的錨框被當(dāng)作負(fù)樣本。假設(shè)這些負(fù)樣本錨框的由輸入圖像的背景提供。因此將背景提供的負(fù)樣本數(shù)設(shè)置為m-n×k。從背景到一個(gè)錨框aj運(yùn)輸一個(gè)單位的負(fù)標(biāo)簽的成本cbg∈R1×n定義為

式中?表示背景分類。供應(yīng)向量si可表示為

所以，完整的損失矩陣c∈R(m+1)×n，供應(yīng)向量s∈Rm+1，需求向量d∈Rn，最優(yōu)運(yùn)輸計(jì)劃 ω*∈R(m+1)×n可以通過現(xiàn)成的Sinkhorn-Knopp[30]迭代法解決這個(gè)OT問題得到，將每個(gè)錨框分配給向其運(yùn)輸最多標(biāo)簽的真實(shí)標(biāo)注目標(biāo)來解碼相應(yīng)的分配方案。

1.2.3 WIoU 損失函數(shù)

⑤由于本工程模袋布長(zhǎng)度比較長(zhǎng)，底坡為新開挖土質(zhì)，為防止滑坡，采用先充灌（標(biāo)高35 m左右）和上溝底用于固定模袋布，再由潛水員充灌水下下平臺(tái)（標(biāo)高28.7 m）及自下而上充灌坡面，上平臺(tái)與斜坡間采用臨時(shí)隔斷（人工縫隔斷線），待整倉模袋布接近飽滿時(shí)解除臨時(shí)隔斷線。

邊界框定位損失直接決定了模型的目標(biāo)定位能力。WIoU 使用了動(dòng)態(tài)非聚焦機(jī)制，該機(jī)制使用離群度作為衡量錨框質(zhì)量的指標(biāo)，并提供了梯度增益分配策略。損失函數(shù)LWIoUv1可表示為

式中Wg、Hg是目標(biāo)邊界框與錨框的交集的寬和高，x、y表示錨框中心點(diǎn)坐標(biāo)，xgt、ygt表示目標(biāo)邊界框中心點(diǎn)坐標(biāo)、IoU(intersection over union)表示預(yù)測(cè)框與真實(shí)標(biāo)注框的重疊面積與其并集面積的比值。RWIoU∈[1,e)會(huì)放大質(zhì)量普通的錨框的LIoU、LIoU∈(0,1)會(huì)減少高質(zhì)量錨框的RWIoU。

式中當(dāng) β=δ 時(shí)，使r=1。由于是動(dòng)態(tài)的，使得LWIoU能夠?qū)崟r(shí)的做出梯度分配策略。

1.3 試驗(yàn)環(huán)境與評(píng)價(jià)指標(biāo)

1.3.1 試驗(yàn)環(huán)境

本文方法基于python3.8 和pytorch1.12.1 框架實(shí)現(xiàn)。輸入圖像大小為640×640×3 的RGB 圖像，在單張高性能NVIDIA GeForce GTX 3 090 顯卡上訓(xùn)練。采用SGD優(yōu)化器進(jìn)行優(yōu)化，模型的訓(xùn)練周期（Epoch）為300、批量大?。˙atch size）為16、初始學(xué)習(xí)率為0.01，使用余弦退火函數(shù)動(dòng)態(tài)降低學(xué)習(xí)率、權(quán)重衰減為0.000 5。WIoU 損失函數(shù)中設(shè)置 δ=2，α=2.2，對(duì)動(dòng)量m設(shè)置n=300，t=25。

1.3.2 評(píng)價(jià)指標(biāo)

mAP 由準(zhǔn)確率（precision）和召回率（recall）計(jì)算得到。首先利用準(zhǔn)確率何召回率繪制PR 曲線并求其積分可以得到每個(gè)種類的平均精度AP（average precision），即再對(duì)所有類別的AP 求取平均值便可得到mAP。P、R的具體計(jì)算可見參考文獻(xiàn) [31]。

2 結(jié)果與分析

2.1 消融試驗(yàn)

為了評(píng)估和驗(yàn)證提出的改進(jìn)YOLOv5s 模型中不同組件和算法對(duì)檢測(cè)模型的影響。以YOLOv5s 模型為基礎(chǔ)，在試驗(yàn)中逐步移除或添加不同的組件，并通過不同的組件組合進(jìn)行7 組試驗(yàn)，以驗(yàn)證各個(gè)組件的有效性。試驗(yàn)結(jié)果如表1 所示。

表1 消融試驗(yàn)結(jié)果Table 1 Result of ablation experiment

從表1 可以看出7 組試驗(yàn)對(duì)改進(jìn)YOLOv5s 模型中不同組件或算法對(duì)花椒簇目標(biāo)檢測(cè)性能的影響。在第1組試驗(yàn)中，將YOLOv5s 模型的邊界框損失函數(shù)替換為WIoU 損失函數(shù)，模型的mAP 從95.4%上升到96.1%。第2 組試驗(yàn)將YOLOv5s 的主干網(wǎng)絡(luò)替換為EfficientViT 網(wǎng)絡(luò)，模型的mAP 提升至96.3%，同時(shí)模型的參數(shù)量從7.0 M 減少到5.7 M、浮點(diǎn)運(yùn)算數(shù)從15.9 G 減少到10.4 G，使用EfficientViT 作為主干在減少參數(shù)量的同時(shí)增強(qiáng)了多尺度學(xué)習(xí)能力和對(duì)重要特征的表達(dá)能力。在第3 組試驗(yàn)中，在YOLOv5s 的基礎(chǔ)上使用OTA 標(biāo)簽分配策略，模型的mAP 提升0.8 個(gè)百分點(diǎn)，參數(shù)量增加了0.2 M，浮點(diǎn)運(yùn)算數(shù)FLOPs 增加了1.1 G。OTA 標(biāo)簽分配策略略微增加模型的復(fù)雜度以和計(jì)算量，但提升了模型的精度。在接下來的第4、5、6 組試驗(yàn)中，將這些組件兩兩組合，添加到了YOLOv5s 的網(wǎng)絡(luò)上，都使得模型的mAP 得到不同程度的提升。最后，將YOLOv5s 的主干網(wǎng)絡(luò)替換為EfficientViT 網(wǎng)絡(luò)，并在訓(xùn)練中采用了OTA 分配策略，將CIoU 損失函數(shù)更改為WIoU 損失函數(shù)，構(gòu)成本文提出的改進(jìn)YOLOv5s。在數(shù)據(jù)集上，改進(jìn)YOLOv5s 模型的mAP 為97.3%。

此外，為了驗(yàn)證不同邊界框損失函數(shù)的效果，在YOLOv5s 的基礎(chǔ)上進(jìn)行試驗(yàn)。將其邊界框損失函數(shù)替換為目前常見的DIoU[32]、GIoU[33]、SIoU[34]、EIoU[35]及WIoU 損失函數(shù)，試驗(yàn)結(jié)果如表2 所示。

表2 YOLOv5s 與改進(jìn)YOLOv5s 使用不同損失函數(shù)的mAPTable 2 mAP for YOLOv5s and improved YOLOv5s using different loss functions %

由表2 可知，YOLOv5s 使用CIoU、DIoU、GIoU、SIoU、EIoU、WIoU 作為損失函數(shù)時(shí)mAP 分別為95.4%、95.2%、95.9%、95.7%、95.3%、96.1%。改進(jìn)YOLOv5s在使用DIoU 損失函數(shù)時(shí)mAP 最低，為96.3%，使用WIoU 損失函數(shù)時(shí)獲得最高的mAP 為97.3%。兩個(gè)模型均在使用WIoU 作為邊界框損失函數(shù)時(shí)mAP 最高，充分證明了WIoU 的有效性。

2.2 不同目標(biāo)檢測(cè)模型的性能對(duì)比

為了驗(yàn)證本文方法的有效性，將常見的目標(biāo)檢測(cè)模型EfficientDe[36]、SSD、RetineNet[37]、YOLOX[38]，ShuffleNet_YOLOv5s[22]進(jìn)行對(duì)比試驗(yàn)。試驗(yàn)結(jié)果如表3所示。

表3 不同模型結(jié)果對(duì)比Table 3 Comparison of results from different models

由表3 數(shù)據(jù)可知，改進(jìn)YOLOv5s 模型的mAP 為97.3%，比YOLOv5s 模型的mAP（95.4%）高出1.9 個(gè)百分點(diǎn)。同時(shí)，改進(jìn)YOLOv5s 模型的參數(shù)量為5.9 M，比YOLOv5s 模型的參數(shù)量（7.0 M）減少了15.7%。改進(jìn)YOLOv5s 模型的FPS 為131.6，比YOLOv5s 模型的FPS（114.9）提高了14.5 個(gè)%。與其他單階段目標(biāo)檢測(cè)網(wǎng)絡(luò)相比，改進(jìn)的YOLOv5s 模型的mAP 分別比EffcientDet-D1、SSD512、RetineNet-R50 和YOLOXs 高 8、16.9、8.6 和1.5 個(gè)百分點(diǎn)，在參數(shù)量、檢測(cè)速度上也都表現(xiàn)出一定的優(yōu)勢(shì)，更適合花椒簇檢測(cè)。

YOLOv5s 與改進(jìn)YOLOv5s 的花椒簇識(shí)別效果對(duì)比如圖6 所示。

圖6 YOLOv5s 模型與改進(jìn)YOLOv5s 模型的識(shí)別結(jié)果對(duì)比Fig.6 Comparison of detection results of YOLOv5s model and improved YOLOv5s model

圖片1、圖片2 中花椒果實(shí)排列緊湊，YOLOv5s 與改進(jìn)YOLOv5s 均成功標(biāo)注了圖像中所有的花椒簇，不存在漏檢的情況，但是可以看出改進(jìn)YOLOv5s 模型的預(yù)測(cè)框分值更大，與真實(shí)框的重疊度更高。圖片3、圖片4 花椒果實(shí)分布相對(duì)稀疏，且圖片4 存在位于圖像邊緣的小目標(biāo)花椒簇。YOLOv5s 模型未能檢測(cè)到部分真實(shí)目標(biāo)，存在漏檢；而改進(jìn)YOLOv5s 模型檢測(cè)出了所有目標(biāo)。

3 結(jié)論

為了實(shí)現(xiàn)花椒簇的快速準(zhǔn)確檢測(cè)，本文基于YOLOv5s 模型提出花椒簇檢測(cè)模型。改進(jìn)YOLOv5s 使用改進(jìn)的EfficientViT 作為主干網(wǎng)絡(luò)，降低了模型的參數(shù)量并增強(qiáng)多尺度學(xué)習(xí)能力、在訓(xùn)練中使用了OTA 標(biāo)簽分配策略、用WIoU 損失函數(shù)替換原先的CIoU 損失函數(shù)。在自制數(shù)據(jù)集上驗(yàn)證了改進(jìn)YOLOv5s 模型的檢測(cè)效果。

與YOLOv5s 模型相比，改進(jìn)YOLOv5s 模型對(duì)花椒簇的平均精度均值提升了1.9 個(gè)百分點(diǎn)、模型的參數(shù)量減少了15.7%、每秒幀率提高了14.5%。得到了速度以及精度的雙重提升。

本文將改進(jìn)YOLOv5s 與其他常見目標(biāo)檢測(cè)模型進(jìn)行對(duì)比，試驗(yàn)結(jié)果表明改進(jìn)YOLOv5s 在檢測(cè)精度、檢測(cè)速度、模型參數(shù)量上均優(yōu)于其他對(duì)比模型，對(duì)花椒簇具有較好的檢測(cè)結(jié)果。

本文提出的改進(jìn)YOLOv5s 模型能實(shí)現(xiàn)對(duì)花椒簇的快速準(zhǔn)確檢測(cè)，后續(xù)將繼續(xù)優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)記憶訓(xùn)練策略，進(jìn)一步提高對(duì)花椒簇的檢測(cè)效果。