改进Yolov5s电线杆检测模型

一种针对果园环境下电线杆检测的深度学习算法,通过数据增强和轻量化模块设计,在保持较高检测精度的同时显著降低模型复杂度,适合部署于农业无人机机载设备。

张亚莉 · Lu, Xiaoyang · Li, Wanjian · Yan, Kangting · Mo, Zhenjie · 兰玉彬 · 王林琳

Agronomy 2023

参数信息

准确率
0.803
召回率
0.831
mAP@50
0.838
单张图像检测时间
4.2 ms
模型权重
7.86 MB
参数量
3974310
GFLOPs
9

技术优势

检测更快

单张图像检测时间仅4.2 ms,满足无人机机载实时检测需求。

模型更轻

模型权重、参数量和计算量分别压缩42.2%、43.4%和43.3%,便于部署在算力受限的机载设备上。

光照稳健

在不同光照条件(暗、正常、亮)下均表现出良好鲁棒性。

应用场景