학술논문
基于改进YOLOv5s的轻量化储粮害虫检测方法 / Lightweight Grain Storage Pest Detection Method Based on Improved YOLOv5s
Document Type
Academic Journal
Author
Source
中国粮油学报 / Journal of the Chinese Cereals and Oils Association. 38(8):221-228
Subject
Language
Chinese
ISSN
1003-0174
Abstract
粮食的安全储藏关系着国计民生,在粮食储藏过程中快速、精准检测储粮害虫具有重要意义.目前传统储粮害虫检测手段多数是通过人工检测,耗时、误判而且成本高.实验通过深度学习技术,提出一种轻量化YOLOv5的害虫检测方法.首先,通过优化锚框参数;其次,将轻量化的MobileNetv3中的注意力模块替换成更高效的ECA,然后把改进后的MobileNetv3取代YOLOv5s的主干网络;最后,用加权双向特征金字塔Bi-FPN结构替换YOLOv5s中的特征金字塔结构.在自制储粮害虫数据集上训练结果显示,改进后的算法模型平均准确率达到97.1％,FPS提高至91,模型计算量仅有原来的11.6％.实验表明,与原始YOLOv5s相比,改进后的算法在储粮害虫小目标检测上精度更高、速度更快、模型更轻量化.