基于輕量化改進(jìn)YOLOv5的蘋果樹產(chǎn)量測定方法

李志軍 楊圣慧 史德帥 劉星星 鄭永軍

摘要：果樹測產(chǎn)是果園管理的重要環(huán)節(jié)之一，為提升蘋果果園原位測產(chǎn)的準(zhǔn)確性，本研究提出一種包含改進(jìn)型YOLOv5果實(shí)檢測算法與產(chǎn)量擬合網(wǎng)絡(luò)的產(chǎn)量測定方法。利用無人機(jī)及樹莓派攝像頭采集摘袋后不同著色時間的蘋果果園原位圖像，形成樣本數(shù)據(jù)集;通過更換深度可分離卷積和添加注意力機(jī)制模塊對YOLOv5算法進(jìn)行改進(jìn)，解決網(wǎng)絡(luò)中存在的特征提取時無注意力偏好問題和參數(shù)冗余問題，從而提升檢測準(zhǔn)確度，降低網(wǎng)絡(luò)參數(shù)帶來的計(jì)算負(fù)擔(dān);將圖片作為輸入得到估測果實(shí)數(shù)量以及邊界框面總積。以上述檢測結(jié)果作為輸入、實(shí)際產(chǎn)量作為輸出，訓(xùn)練產(chǎn)量擬合網(wǎng)絡(luò)，得到最終測產(chǎn)模型。測產(chǎn)試驗(yàn)結(jié)果表明，改進(jìn)型YOLOv5果實(shí)檢測算法可以在提高輕量化程度的同時提升識別準(zhǔn)確率，與改進(jìn)前相比，檢測速度最大可提升15.37%，平均mAP最高達(dá)到96.79%;在不同數(shù)據(jù)集下的測試結(jié)果表明，光照條件、著色時間以及背景有無白布均對算法準(zhǔn)確率有一定影響;產(chǎn)量擬合網(wǎng)絡(luò)可以較好地預(yù)測出果樹產(chǎn)量，在訓(xùn)練集和測試集的決定系數(shù)R分別為0.7967和0.7982，均方根誤差RMSE分別為1.5317和1.4021 kg，不同產(chǎn)量樣本的預(yù)測精度基本穩(wěn)定;果樹測產(chǎn)模型在背景有白布和無白布的條件下，相對誤差范圍分別在7%以內(nèi)和13%以內(nèi)。本研究提出的基于輕量化改進(jìn)YOLOv5的果樹產(chǎn)量測定方法具有良好的精度和有效性，基本可以滿足自然環(huán)境下樹上蘋果的測產(chǎn)要求，為現(xiàn)代果園環(huán)境下的智能農(nóng)業(yè)裝備提供技術(shù)參考。……