轻量级莲蓬检测模型

参数减2.36M

基于YOLOv5s的轻量化改进模型，采用Ghost卷积与轻量双向特征金字塔，在检测精度提升至89.7%的同时，大幅降低计算量与模型大小，适合部署于移动端。

Tang, Tao · Xu, Wang · Ma, Zenghong · Hong, Weiwei · 俞高红 · 叶秉良

International Journal of Agricultural and Biological Engineering 2023

参数信息

平均精度均值

89.7 %

参数减少量

2.36 M

浮点运算减少量

7.3 G

技术优势

计算量大幅下降

引入Ghost卷积和轻量双向特征金字塔，有效减少网络计算量，适合移动端部署。

精度提升

采用WIoU损失函数和Mish激活函数，结合知识蒸馏训练策略，提升模型的召回率和精度。

模型更小

参数减少2.36M，模型存储和内存占用降低，便于在资源受限设备上使用。

应用场景

• 莲蓬采摘：替代人工在复杂自然环境中快速准确地检测莲蓬，为采摘机器人提供视觉引导。
• 视觉检测：利用轻量级网络实现实时视觉检测，减少对计算资源的依赖。
• 无人机：模型轻量化后可搭载于无人机平台，用于大范围莲蓬巡检与定位。
• 智慧农业：为智慧农业中的智能采摘环节提供高效的视觉感知能力。