基于改進YOLO v5的輕量級果園蘋果檢測算法

摘要：為了解決蘋果采摘機器人識別算法中涉及到的復(fù)雜網(wǎng)絡(luò)架構(gòu)及大量參數(shù)占用內(nèi)存巨大、計算需求龐大所導(dǎo)致的檢測模型反應(yīng)緩慢等問題，提出一種改進YOLO v5模型的輕量級果園蘋果檢測算法。首先，使用帶有SE注意力機制的DepthSepConv模塊和改進的Fast-C3模塊對YOLO v5的Backbone網(wǎng)絡(luò)部分進行重組，保持較高的精確率的同時減小模型體積；其次，用改進的Fast-C3模塊替換整個Neck部分的C3模塊，提高模型的準確率；替換頸部網(wǎng)絡(luò)的普通卷積為Ghostconv，進一步降低模型的參數(shù)量與體積；最后，引入SIoU損失函數(shù)，使回歸精確率和收斂速度得到提高。試驗結(jié)果表明，該模型對蘋果檢測mAP為94.0%、模型計算量為8.4G FLOPs、體積僅為7.3 M。對比YOLO v5原模型，在mAP提高0.3百分點的情況下，計算量降低46.84%，模型體積縮減49.31%。于嵌入式平臺上進行應(yīng)用測試，實時檢測速率達到了18.76 幀/s，約為原模型檢測速率的1.5倍。因此，優(yōu)化后的YOLO v5輕型模型不僅提升了識別準確性，并明顯減少了計算負載量與模型大小，使得它能在嵌入式設(shè)備上快速有效地捕捉并分析復(fù)雜果園場景下的蘋果信息。

關(guān)鍵詞：果園蘋果；YOLO v5s；輕量化；Fast-C3；SIoU；嵌入式設(shè)備

中圖分類號：TP391.41 文獻標志碼：A

文章編號：1002-1302（2024）17-0200-09

收稿日期：2024-06-26

基金項目：湖北省自然科學基金（編號：2019CFB813）。

作者簡介：朱齊齊（1996—），男，安徽阜陽人，碩士研究生，主要研究方向為嵌入式開發(fā)。E-mail：zqq13155642201@163.com。

通信作者：陳西曲，博士，教授，主要研究方向為紅外成像技術(shù)、電子信息處理技術(shù)、嵌入式技術(shù)、圖像處理技術(shù)。E-mail：cxqdhl@whpu.edu.cn。

蘋果作為一種營養(yǎng)豐富、投入高、產(chǎn)出高的水果，在我國具有重要的地位。然而，蘋果采摘幾乎完全依賴于人力手工方式進行，這大約占到全過程工作量的一半［1］，消耗了大量的時間和人力資源。因此，蘋果采摘機器人具有極大的研究價值。這種機器人主要是由視覺識別技術(shù)和機械手臂裝置構(gòu)成［2］。快速識別、準確定位是現(xiàn)有采摘機器人普遍遇到的技術(shù)難題，也是采摘作業(yè)最關(guān)鍵的一環(huán)。因此，如何迅速且精確地辨識并定位果實，已經(jīng)成為自動采摘的核心研究內(nèi)容［3］。

多種因素會干擾成熟蘋果的智能辨識過程，例如：光線差異導(dǎo)致的顏色分布不均，采收時的日光強度、氣象與風向狀況，樹枝、葉子、果實的遮蔽作用等。這些采集過程中的現(xiàn)實干擾因素直接影響了模型的識別準確率，并可能導(dǎo)致錯誤分類或遺漏等情況發(fā)生。此外，嵌入式設(shè)備的算力有限，過于復(fù)雜的模型可能會降低其執(zhí)行效率，很難進行實際應(yīng)用。如何既能保持高準確率，又能提升處理速率，是非結(jié)構(gòu)化背景下蘋果鑒別的主要難題和研究重點［4］。

近些年，由于深度學習的持續(xù)發(fā)展，以高魯棒性和自我調(diào)整能力為顯著特征的卷積神經(jīng)網(wǎng)絡(luò)已成為蘋果識別算法的主要工具［5-7］。目前，用于蘋果識別的各種算法主要可劃分為兩大類別。一是以準確度為主導(dǎo)的類別，比如R-CNN［8］、Faster R-CNN［9-10］等，通過生成一系列目標候選框進行定位，然后對樣本進行分類。Gao等利用改進后的 Faster R-CNN網(wǎng)絡(luò)對枝葉遮擋問題嚴重的蘋果進行檢測，平均精確達到了87. 9%，且每幅圖像的平均檢測時間為0.241 s［11］。此類算法檢測速度慢，訓(xùn)練時間長，不利于算力不足的嵌入式平臺。另一種類別的策略是把目標識別和預(yù)判分類同步執(zhí)行，使得其檢測效率更高，比如SSD［12］ （single shot MultiBox detector）、YOLO［13］（you only look once）等。羅志聰?shù)忍岢鲆粋€以改良版的YOLO v5為基礎(chǔ)的百香果低功耗檢測模型（MbECA-v5），提升了檢測準確率，并明顯減少計算量及模型大小，使之能在嵌入式設(shè)備中實時有效地對繁雜果園場景下的百香果進行檢測［14］。張恩宇等利用SSD算法與U分量閾值分割法相結(jié)合，得到一種高精度識別算法［15］。汪穎等引入完全交并比非極大抑制算法和加權(quán)雙向特征金字塔網(wǎng)絡(luò)，得到一種用于復(fù)雜環(huán)境下的果蔬檢測YOLO v5算法，改進的YOLO v5算法的平均識別精確率達到92.5%，相比于原始YOLO v5算法提高3.5%，能夠在復(fù)雜情況下快速準確地識別果蔬［16］。此類算法雖然在精確率和速度方面取得了單方面的進展，但對于嵌入式平臺上的檢測速度和精確率沒有達到很好的平衡。

雖然高性能平臺展開的蘋果檢測算法已經(jīng)取得了不錯的進展，但在資源有限的嵌入式平臺上，檢測速度與檢測精確率的平衡須作更進一步的研究。本研究在真實果園環(huán)境中，以蘋果為檢測目標，針對算力有限的嵌入式設(shè)備，提出一種改進YOLO v5模型的輕量級果園蘋果檢測算法。該算法主要以Fast-C3模塊和深度可分離卷積相結(jié)合的方式將模型主干輕量化，減少計算量和提升檢測速度；并利用GhostConv替換neck網(wǎng)絡(luò)中的普通卷積，在不影響檢測精確率的前提下，使模型的參數(shù)量和計算量降低，檢測速度得到提升；引入新的激活函數(shù)SIoU來提高預(yù)測框的回歸精確率和收斂速度。在保證檢測準確率的前提下，實現(xiàn)模型的輕量化并可以在嵌入式平臺上部署，從而減少邊緣計算設(shè)備的使用，進一步滿足實時檢測的需求。

1 YOLO v5s算法

YOLO v5是一種單階段目標檢測算法［17］。圖1為YOLO v5s的網(wǎng)絡(luò)結(jié)構(gòu)，一般由4個部分構(gòu)成：輸入端、主干網(wǎng)絡(luò)（Backbone）、頸部（Neck）、預(yù)測端（Head）。

Mosaic數(shù)據(jù)增強、對果園蘋果圖片尺寸的自適應(yīng)處理以及錨框計算優(yōu)化［18］，為輸入端提供了豐富的圖片信息，首先執(zhí)行隨機縮放、剪裁和排列，然后將其輸入到網(wǎng)絡(luò)中。

主干網(wǎng)絡(luò)（Backbone）主要實現(xiàn)對蘋果的特征進行提取，其中包含了Focus模塊、標準卷積（CBS）模塊、C3模塊、SPPF模塊。Focus模塊會把給定的水果圖片切成小塊，以獲取其特性的深度描述；CBS 是基于CSP架構(gòu)進行改良的結(jié)果，由于過度使用梯度的副作用，導(dǎo)致算法復(fù)雜度過大且耗費大量資源，因此移除后續(xù)批次規(guī)范化的步驟與激活因子環(huán)節(jié)，進而降低運行成本。最后的 SPPF階段則負責整合來自各種大小果實的獨特屬性作為最終結(jié)果，這不僅提升了整體模型識別準確率，還增強了解析能力。

頸部（Neck）網(wǎng)絡(luò)的主要功能是整合蘋果的特性，其構(gòu)建方式主要是基于路徑聚合網(wǎng)絡(luò)（PANet）［19］。通過自頂向下的方法，F(xiàn)PN［20］可以提高目標識別的效果；而PAN則采用自底向上的方式來獲取豐富且多樣的位置信息。最終，會在backbone中對各種層次的信息進行綜合處理，從而強化特征抽取的能力，使PANet網(wǎng)絡(luò)能夠承載更多的語義信息，并進一步加強定位的功能。

預(yù)測端（Head）包含3個層次，每個層次都對應(yīng)著不同的特征圖尺寸，目的是為了識別大小各異的目標。每個Head會接收到不同的向量，從而依據(jù)這些向量來確定原始圖像中目標的預(yù)測框位置和類別信息。

2 Fast-YOLO v5網(wǎng)絡(luò)

針對YOLOv5s算法部署在嵌入式平臺上體積

大和檢測速率低的問題，提出的Fast-YOLO v5算法主要做了以下3個方面的改進。（1）對特征提取網(wǎng)絡(luò)（Backbone）的改進。基于Fast-Block、PConv改進原模型的C3模塊，得到新的輕量化模塊Fast-C3。利用Fast-C3模塊替換原網(wǎng)絡(luò)主干中的C3模塊，再引入DepthSepConv模塊替換主干中的所有Conv。其中，第8層的Fast-C3模塊也由DepthSepConv模塊替換。同時，在主干網(wǎng)絡(luò)的最后2個深度可分離卷積層引入SE通道注意力機制。更改后的主干網(wǎng)絡(luò)如表1 所示。（2）對于特征融合網(wǎng)絡(luò)（Neck）的改進。同樣使用Fast-C3模塊替換原有的C3模塊，為了提升實時性、降低復(fù)雜度，使得模型輕量化，使用GhostConv 代替普通卷積，使檢測精確率得到保證的情況下，進一步降低模型的參數(shù)量和計算量。（3）損失函數(shù)的改進。為了應(yīng)對果園蘋果檢測數(shù)量大、目標小、位置密集的特點，在信息高度分布的區(qū)域中，CIoU往往忽略考慮預(yù)測框和地面實況框之間的定向差異，可能存在預(yù)測框具有較大自由度且與地面實況框的匹配收斂速度差的情況，這使得模型存在定位錯誤問題。因此，引入SIoU損失函數(shù)來代替CIoU損失函數(shù)。Fast-YOLO v5模型如圖2所示。

2.1 深度可分離卷積

MobileNet v1［21］提出了一種深度可分離卷積，它把普通的卷積操作分為2個部分：深度卷積和逐點卷積。深度卷積利用將卷積核轉(zhuǎn)為單通道的方式，逐點卷積利用對特征圖進行維數(shù)改變的方式，如此就可以大幅降低運算負擔。由圖3可見，設(shè)輸入特征圖寬、高分別為DW、DH，輸入通道為M，輸出通道為N，卷積核用DK表示，可得標準卷積參數(shù)量Ps、計算量Fs：

Ps=DK×DK×M×N；（1）

Fs=DK×DK×M×N×DW×DH。（2）

同理可得深度可分離卷積參數(shù)量Pd、計算量Fd（圖4）：

Pd=DK×DK×M+M×N；（3）

Fd=DK×DK×M×DW×DH+M×N×DW×DH。（4）

通過計算可得，深度可分離卷積的參數(shù)量和計算量與標準卷積的參數(shù)量和計算量的比值為1N+1D2K，當卷積核DK取3時，易知深度可分離卷積的參數(shù)量和計算量約降至原標準卷積的19～18，可大大減小模型的計算成本。

2.2 SE注意力機制

SE通道注意力機制［22］是針對卷積神經(jīng)網(wǎng)絡(luò)中信息特征的構(gòu)造問題所提出的，SE組件可以通過通道的相互依存關(guān)系來增強特征響應(yīng)，強化重要特征而弱化次要特征。它主要由壓縮、激勵2個部分組成，首先把輸入的特征圖的信息進行壓縮，然后將輸入的特征圖與其所學到的信息進行融合，得到最終的特征信息。SE模塊首先通過卷積操作生成特征U，然后進行全局平均池化，將特征層維度壓縮至1×1×C，再進行激勵操作，通過全連接層生成所需要的權(quán)重信息， 最后將原特征U進行權(quán)重幅賦值得到最終的特征圖。

2.3 Fast-C3模塊

在CVPR2023最新發(fā)布的FasterNet論文中指出了實現(xiàn)更高FLOPs的重要性，不應(yīng)為了更快的神經(jīng)網(wǎng)絡(luò)而減少FLOPs［23］。引入了一種簡單但快速且有效的卷積PConv，推出了FasterNet主干網(wǎng)絡(luò)，這種網(wǎng)絡(luò)在GPU、CPU、ARM處理器等多種設(shè)備上運行良好且普遍快速。借鑒其中的思想，設(shè)計基于Fast-Block、PConv的新的C3模塊：Fast-C3。

2.3.1 PConv

由于特征圖在不同通道之間具有高度相似性，造成大量冗余。而PConv可以同時減少計算冗余和內(nèi)存訪問，其工作原理如圖5所示。

此種方法只在輸入通道的一部分上應(yīng)用常規(guī)Conv進行空間特征提取，并保持其余通道不變。對于連續(xù)或規(guī)則的內(nèi)存訪問，將第1個或最后1個連續(xù)的通道視為整個特征圖的代表進行計算。在不喪失一般性的情況下認為輸入和輸出特征圖具有相同數(shù)量的通道。因此，PConv的FLOPs為：

h×w×k2×c2p。（5）

對于典型的r＝1/4，PConv的FLOPs只有常規(guī)Conv的1/16。此外，PConv的內(nèi)存訪問量較小，即：

h×w×2cp+k2×c2p≈h×w×2cp。（6）

對于r＝1/4，其內(nèi)存訪問量僅為常規(guī)Conv的1/4。

2.3.2 Fast-Block結(jié)構(gòu)

由圖6可見，每個Fast-Block塊有1個PConv層，后跟2個Conv 1×1層。它們共同顯示為倒置殘差塊，中間層具有擴展的通道數(shù)量，利用Shortcut以重用輸入特征。除了上述算子，標準化和激活層對于高性能神經(jīng)網(wǎng)絡(luò)也是不可或缺的。使用批次歸一化（BN）代替其他替代方法，其優(yōu)點是可以合并到其相鄰的Conv層中，從而更快地進行推斷，并且與其他層一樣有效。對于激活層，選擇ReLU用于Fast-Block變體，同時考慮了運行時間和有效性。

2.3.3 Fast-C3結(jié)構(gòu)

借鑒FasterNet的思想將原先C3結(jié)構(gòu)的BottleNeck層換為Fast-Block就得到了新的C3結(jié)構(gòu)：Fast-C3（圖7）。

2.4 GhostConv

GhostConv的引入能夠替代特征融合網(wǎng)絡(luò)中的

Conv，這樣不僅能夠提高測量精確度，還能減小建模參量和運算量，從而提升測試速率。GhostConv能減少參數(shù)量和計算復(fù)雜度，其原因是放棄了部分普通卷積，利用線性變換的方式進行特征提取，能夠更好地利用特征之間的相關(guān)性和冗余性［24］。普通卷積Conv（圖8-a）用來獲取的特征層內(nèi)，其中有一些特征信息較為相似，通過消除這些冗余的特征信息可以減少計算量。首先，GhostConv利用標準的卷積來捕捉特征數(shù)據(jù)并生成通用特征圖像。接著，對

每個通道的通用特征圖像執(zhí)行線性操作以獲得具有相同通道數(shù)的新附加特征圖像（即Ghost特征圖像）。這個Ghost特征圖像代表多余的特征圖像量，可以通過簡單的線性轉(zhuǎn)換而得出，在極少干擾識別準確性的同時，明顯減少普通的卷積Conv的重復(fù)部分，從而實現(xiàn)減小計算難度的目標。最后，把基本特征圖像與Ghost特征圖像疊加起來形成最終結(jié)果。圖8-b為GhostConv的結(jié)構(gòu)。

2.5 SIoU損失函數(shù)

YOLO v5 的損失函數(shù)為 CIoU，公式如下：

LCIoU=1-IoU+ρ2（b，bgt）（wc）2+（hc）2+αv；（7）

α=v（1-IoU）+v；（8）

v=4π2arctanwgthgt-arctanwh2。（9）

其中：預(yù)測框和真實框的寬、高分別由w、h和wgt、hgt表示，b、bgt則用來表示預(yù)測框、真實框的中心點，b、bgt的歐氏距離由ρ表示，wc、hc分別表示兩框的最小外接矩形的寬、高，IoU表示交并比。

在模型訓(xùn)練時，已有方法匹配了兩框之間的IoU、中心點距離、寬高比等［16-18］，但是均沒有考慮不匹配的方向問題，從而導(dǎo)致收斂速度比較慢且效率較低；因為預(yù)測框可能在訓(xùn)練過程中“徘徊”，最后生成更壞的模型。為克服現(xiàn)行邊界損失函數(shù)存在的缺陷，引入了新的SIou損失函數(shù)［25］，該函數(shù)是從預(yù)期和實際回歸之間的矢量視角出發(fā)，對角度懲罰進行了全新衡量，從而使得預(yù)測區(qū)域能夠迅速移動至與之最接近的軸上，之后僅需調(diào)整1個坐標（如x或y）即可完成回歸任務(wù)，這樣就大大降低了解決問題的自由度數(shù)量。

SIoU更加重視兩框之間的向量角度，以及對損失函數(shù)重新定義，包含了4個部分損失：角度損失（angle cost）、距離損失（distance cost）、形狀損失（shape cost）、IoU損失（IoU cost）。其中角度損失是為了解決兩框之間的隨機匹配問題，最大程度減少與距離有關(guān)的變量的影響。訓(xùn)練時，首先模型試著將預(yù)測框靠近與真實框最近的軸方向，然后以相關(guān)軸為方向不斷靠近真實邊界框，如果α≤π/4，整個收斂過程將最小化α為首要目標，相反以最小化β為首要目標，計算公式如下：

β=π2-α；（10）

chσ=sinα；（11）

σ=（bgtcx-bcx）2+（bgtcy-bcy）2；（12）

ch=max（bgtcy-bcy）-min（bgtcy-bcy）。（13）

其中：sinα是直角三角形中的對邊比斜邊；σ代表著兩框中心點的距離；ch則是兩框中心點的高度差，代碼中直接使用勾股定理求得；bgtcx、bgtcy表示真實框中心坐標，bcx、bcy表示預(yù)測框中心坐標。

利用下列方法定義預(yù)測框與標注的真實邊界框的向量角度損失函數(shù)：

Λ=1-2×sin2arcsinchσ-π4=cos2×arcsinchσ-π4。

（14）

從angle cost考慮，重新定義其他3個部分的損失函數(shù)：

Δ=∑t=x，y（1-eγρt）=2-eγρt-eγρy；（15）

ρx=bgtcx-bcxcw2，ρy=bgtcy-bcych2；（16）

γ=2-Λ。（17）

其中：cw表示兩框最小外接矩形的寬，ch表示兩框最小外接矩形的高。

形狀損失（Shape cost）函數(shù)如下：

Ω=∑t=w，h（1-ewt）θ=（1-eww）θ+（1-ewh）θ；（18）

ww=|w-wgt|max（w，wgt）；（19）

wh=|h-hgt|max（h，hgt）。（20）

其中：w、h和wgt、hgt分別定義為預(yù)測框和真實框的寬、高；θ是對形狀損失的關(guān)注程度的控制，過分關(guān)注形狀損失會導(dǎo)致減少預(yù)測框的移動，使用遺傳算法計算出接近4，所以參數(shù)范圍設(shè)定為［2，6］。

最后，回歸損失函數(shù)為：

Lbox=1-IoU+Δ+Ω2。（21）

總損失函數(shù)為：

LSIoU=Wboxlbox+WclsLcls；（22）

其中：Lcls是FocalLoss，Wbox表示框的損失權(quán)重；Wcls表示類的損失權(quán)重。通過對angle懲罰成本的添加，并且后面的部分只需要1個坐標x或y的回歸，縮減了損失的總自由度，對模型訓(xùn)練時的收斂過程有顯著提高。

3 結(jié)果與分析

3.1 試驗平臺與數(shù)據(jù)集

圖像采集使用蘋果手機在果園實景拍攝，圖片分辨率設(shè)定為1 280像素×960像素。在不同情況下收集到的圖像包含單個或多個單獨存在的蘋果圖像、被樹葉及枝干遮擋的圖像、相互重疊或者黑暗環(huán)境下的圖像等共計2 923幅，不同環(huán)境下的蘋果部分圖像如圖9所示。將從各種不同條件下取得的數(shù)據(jù)集合整理，以JPEG形式存儲起來備用。同時使用人工標注工具LableImg對采集到的蘋果圖像進行標注，獲取準確的蘋果位置數(shù)據(jù)。從減少復(fù)雜背景像素對檢測結(jié)果的影響角度考慮，標注時將蘋果的最小外接矩形框作為真實框（Ground truth），最終得到VOC格式的xml文件。蘋果名稱、尺寸、位置都包含在文件內(nèi)。最后，對以上標注好的數(shù)據(jù)集進行劃分，訓(xùn)練集 ∶驗證集按照比例9 ∶1進行隨機分配。訓(xùn)練集、驗證集分別含有圖像2 631、292幅。

此次試驗基于Windows 11系統(tǒng)+AutoDL遠程服務(wù)器租賃平臺進行pytorch深度學習框架搭建。測試條件設(shè)定為Python 3.8的版本、CUDA 11.2的多線程處理器和 Intel Xeon Platinum 8350C CPU@2.60 GHz的16個vCPU，總共擁有56 GB的內(nèi)存容量，配備了NVIDIA GeForce RTX 3090的圖形處理器，其顯存量達到了24 GB。

3.2 評價指標

試驗結(jié)果分析使用的評價標準是：精確率、平均精確率均值、模型計算量大小。精確率（P） 、召回率（R）的計算方法如下：

P=TPTP+FP；（23）

R=TPTP+FN。（24）

其中：TP代表了正確識別正樣本的個數(shù)；FP表示負樣本誤判的的個數(shù)；FN正面樣本被誤認為是負面樣本的數(shù)量。通過選擇不同精確率與準確率的組合，可繪制出 PR曲線，所覆蓋的區(qū)域則被稱為AP，對每個測試類別的平均AP值就是mAP。性能評價指數(shù)AP（PAP） 、 mAP（PmAP） 計算方法如下：

PAP=∫10P（r）dr；（25）

PmQ1UABNc09k/s0mEr+s8hLw==AP=1n∑ni=1PAP，i。（26）

3.3 消融試驗

通過采用消融試驗的方式來驗證Fast-YOLO v5算法帶來的性能優(yōu)化，試驗結(jié)果如表2所示。首先對原始算法進行了各種性能測試。模型1為在原模型的基礎(chǔ)上優(yōu)化損失函數(shù)，將其替換為SIoU。模型2 是在改進損失函數(shù)的基礎(chǔ)上將網(wǎng)絡(luò)中所有的C3模塊換為Fast-C3模塊，試驗表明，在模型體積縮小17.36%、計算量降低20.25%的同時，mAP提高了1百分點。模型3是在模型2的基礎(chǔ)上，將Backbone中的普通卷積（Conv）換為深度可分離卷積（DepthSepConv），在幾乎不損失精度的情況下，進一步降低模型的計算量（降低了41.14%）和模型體積（縮減了36.11%）。模型4是將Backbone結(jié)構(gòu)進一步調(diào)整，利用深度可分離卷積（DepthSepConv）替換主干第8層的Fast-C3結(jié)構(gòu)，同時在最后2個深度可分離卷積層引入SE通道注意力機制。對比模型3，模型4的mAP沒有改變，但模型體積和計算量進一步降低；相較于原模型，模型4的體積縮減了43.06%，計算量降低了43.67%。最后，再利用GhostConv 替換Neck中的普通卷積（Conv）得到最終模型：Fast-YOLO v5。不僅召回率和mAP值均有部分提升外，模型體積大幅縮減了49.31%，模型計算量也降低了46.84%，充分證明所提出改進措施的有效性。

3.4 對比試驗

對使用優(yōu)化算法改良后的模型與Fast R-CNN、YOLO v5s、PP_LCNet-v5、EfficientNet-v5、GhostNet-v5、ShuffleNet-v5等6種不同類型的機器學習框架在Jetson TX2平臺上的表現(xiàn)進行比較，其結(jié)果如表3所示。

對YOLO v5s模型進行改動， 將其主干網(wǎng)絡(luò)更換為PP_LCNet、EfficientNet-Lite、GhostNet、ShuffleNet v2等4種網(wǎng)絡(luò)，從而得到PP_LCNet-v5、Efficientlite-v5、GhostNet-v5、ShuffleNet-v5這4種輕量化模型。試驗結(jié)果表明，F(xiàn)ast-YOLO v5模型的平均精度達到了94.0%，是7種模型中的最高值。此外，F(xiàn)ast-YOLO v5的模型體積僅為7.3 MB，是所有對比模型體積中最小的，分別約為Fast R-CNN、YOLO v5s的1/15、1/2；就嵌入式設(shè)備上的實時檢測效率而言，F(xiàn)ast-YOLO v5明顯優(yōu)于其他6種模型。嵌入式平臺實時檢測速率為18.76幀/s，約為Fast R-CNN、YOLO v5s的35.4、1.5倍，對比試驗中其他輕量化模型也具有明顯優(yōu)勢。綜上所述，經(jīng)過改良的輕量級網(wǎng)絡(luò)Fast-YOLO v5在測試方面表現(xiàn)優(yōu)秀，并且在邊緣設(shè)備上的部署更加實時。

4 結(jié)論

針對復(fù)雜果園環(huán)境提出一種基于改進YOLO v5算法的果園蘋果檢測算法，該算法使用改進的 Fast-C3 模塊結(jié)合深度可分離卷積塊對YOLO v5s的特征提取網(wǎng)絡(luò)進行改良，并且引入GhostConv替換原模型中的普通卷積，使用SIoU損失函數(shù)代替CIoU。使精確率提升的同時讓模型的計算量和體積大幅度縮減，通過消融試驗分析驗證了算法的有效性。部署到嵌入式平臺上對果園復(fù)雜環(huán)境下蘋果實時檢測表明，改進的模型在檢測精度和檢測速度方面效果都要優(yōu)于原模型。綜上，F(xiàn)ast-YOLO v5模型在降低嵌入式設(shè)備運行內(nèi)存的同時，也兼顧了精確率和實時性，能夠滿足對果園蘋果圖像檢測的快速且精準需求，這為蘋果采摘機器人的視覺識別系統(tǒng)提供了技術(shù)和理論上的支持。

參考文獻：

［1］馮 娟，劉 剛，司永勝，等. 蘋果采摘機器人激光視覺系統(tǒng)的構(gòu)建［J］. 農(nóng)業(yè)工程學報，2013，29（增刊1）：32-37.

［2］Lehnert C，Sa I，McCool C，et al. Sweet pepper pose detection and grasping for automated crop harvesting［C］//2016 IEEE International Conference on Robotics and Automation. Stockholm，Sweden.IEEE，2016：2428-2434.

［3］王丹丹，宋懷波，何東健. 蘋果采摘機器人視覺系統(tǒng)研究進展［J］. 農(nóng)業(yè)工程學報，2017，33（10）：59-69.

［4］王 卓，王 健，王梟雄，等. 基于改進YOLO v4的自然環(huán)境蘋果輕量級檢測方法［J］. 農(nóng)業(yè)機械學報，2022，53（8）：294-302.

［5］景 亮，王 瑞，劉 慧，等. 基于雙目相機與改進YOLO v3算法的果園行人檢測與定位［J］. 農(nóng)業(yè)機械學報，2020，51（9）：34-39，25.

［6］何進榮，石延新，劉 斌，等. 基于DXNet模型的富士蘋果外部品質(zhì)分級方法研究［J］. 農(nóng)業(yè)機械學報，2021，52（7）：379-385.

［7］薛 勇，王立揚，張 瑜，等. 基于GoogLeNet深度遷移學習的蘋果缺陷檢測方法［J］. 農(nóng)業(yè)機械學報，2020，51（7）：30-35.

［8］Turan M，Almalioglu Y，Araujo H，et al. Deep EndoVO：a recurrent convolutional neural network （RCNN） based visual odometry approach for endoscopic capsule robots［J］. Neurocomputing，2018，275：1861-1870.

［9］Ren Y，Zhu C R，Xiao S P. Object detection based on fast/faster RCNN employing fully convolutional architectures［J］. Mathematical Problems in Engineering，2018，2018：3598316.

［10］Sun X D，Wu P C，Hoi S C H. Face detection using deep learning：an improved faster RCNN approach［J］. Neurocomputing，2018，299：42-50.

［11］Gao F F，F(xiàn)u L S，Zhang X，et al. Multi-class fruit-on-plant detection for apple in SNAP system using Faster R-CNN［J］. Computers and Electronics in Agriculture，2020，176：105634.

［12］Yang J，He W Y，Zhang T L，et al. Research on subway pedestrian detection algorithms based on SSD model［J］. IET Intelligent Transport Systems，2020，14（11）：1491-1496.

［13］Redmon J，Divvala S，Girshick R，et al. You only look once：unified，real-time object detection［C］//2016 IEEE Conference on Computer Vision and Pattern Recognition. Las Vegas：IEEE，2016：779-788.

［14］羅志聰，李鵬博，宋飛宇，等. 嵌入式設(shè)備的輕量化百香果檢測模型［J］. 農(nóng)業(yè)機械學報，2022，53（11）：262-269，322.

［15］張恩宇，成云玲，胡廣銳，等. 基于SSD算法的自然條件下青蘋果識別［J］. 中國科技論文，2020，15（3）：274-281.

［16］汪 穎，王 峰，李 瑋，等. 用于復(fù)雜環(huán)境下果蔬檢測的改進YOLO v5算法研究［J］. 中國農(nóng)機化學報，2023，44（1）：185-191.

［17］熊俊濤，韓詠林，王 瀟，等. 基于YOLO v5-Lite的自然環(huán)境木瓜成熟度檢測方法［J］. 農(nóng)業(yè)機械學報，2023，54（6）：243-252.

［18］董麗君，曾志高，易勝秋，等. 基于YOLO v5的遙感圖像目標檢測［J］. 湖南工業(yè)大學學報，2022，36（3）：44-50.

［19］Liu S，Qi L，Qin H F，et al. Path aggregation network for instance segmentation［C］//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake City：IEEE，2018：8759-8768.

［20］Lin T Y，Dollár P，Girshick R，et al. Feature pyramid networks for object detection［C］//2017 IEEE Conference on Computer Vision and Pattern Recognition. Honolulu：IEEE，2017：936-944.

［21］Yao T，Zhang Q，Wu X Y，et al. Image recognition method of defective button battery base on improved MobileNetV1［C］//Wang Y，Li X，Peng Y.Chinese Conference on Image and Graphics Technologies.Singapore：Springer，2020：313-324.

［22］Hu J，Shen L，Sun G. Squeeze-and-excitation networks［C］//2018 IEEE/CVF Conference on Computer Vision and Pattern Recognition.Salt Lake City：IEEE，2018：7132-7141.

［23］Chen J R，Kao S H，He H，et al. Run，don’t walk：chasing higher FLOPS for faster neural networks［C］//2023 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Vancouver：IEEE，2023：12021-12031.

［24］Han K，Wang Y H，Tian Q，et al. GhostNet：more features from cheap operations［C］//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition. Seattle：IEEE，2020：1580-1589.

［25］朱瑞鑫，楊福興. 運動場景下改進YOLO v5小目標檢測算法［J］. 計算機工程與應(yīng)用，2023，59（10）：196-203.