农业机械学报

作者：马宏兴，董凯兵，王英菲，魏淑花，黄文广，苟建平

单位：北方民族大学,北方民族大学,北方民族大学,宁夏农林科学院,宁夏回族自治区草原工作站,西南大学,

关键词：植物识别;YOLO v5s;BoTNet;坐标注意力;深度可分离卷积;轻量化

基金：宁夏农业高质量发展和生态保护科技创新项目（NGSB-2021-14-05）、国家自然科学基金面上项目（61976107）和北方民族大学重点研究项目（2021JY005、YCX22134）

为方便调查宁夏全区荒漠草原植物种类及其分布，需对植物识别方法进行研究。针对YOLO v5s模型参数量大，对复杂背景下的植物不易识别等问题，提出一种复杂背景下植物目标识别轻量化模型YOLO v5s-CBD。改进模型YOLO v5s-CBD在特征提取网络中引入带有Transformer模块的主干网络BoTNet(Bottleneck transformer network)，使卷积和自注意力相结合，提高模型的感受野；同时在特征提取网络融入坐标注意力(Coordinate attention,CA)，有效捕获通道和位置的关系，提高模型的特征提取能力；引入SIoU函数计算回归损失，解决预测框与真实框不匹配问题；使用深度可分离卷积(Depthwise separable convolution，DSC)减小模型内存占用量。实验结果表明，YOLO v5s-CBD模型在单块Nvidia GTX A5000 GPU单幅图像推理时间仅为8ms，模型内存占用量为8.9MB，精确率P为95.1%，召回率R为92.9%，综合评价指标F1值为94.0%，平均精度均值（mAP）为95.7%，在VOC数据集平均精度均值可达80.09%。相比YOLO v3-tiny、YOLO v4-tiny和YOLO v5s，改进模型内存占用量减小，平均精度均值提升。模型YOLO v5s-CBD在公开数据集和宁夏荒漠草原植物数据集都有良好的鲁棒性，推理速度更快，且易于部署，已应用在宁夏荒漠草原移动端植物图像识别APP和定点生态信息观测平台，可用来调查宁夏全区荒漠草原植物种类和分布，长期观测和跟踪宁夏盐池县大水坑、黄记场、麻黄山等地植物生态信息。

来源：2023年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第8期