基于改進(jìn)YOLOv5s 模型的茶葉嫩芽識(shí)別方法

王夢(mèng)妮，顧寄南，王化佳，胡甜甜，方新領(lǐng)，潘知瑤

（江蘇大學(xué)機(jī)械工程學(xué)院，鎮(zhèn)江，212013）

0 引言

作為全球最大的茶葉生產(chǎn)和消費(fèi)國(guó)，中國(guó)的人均年消費(fèi)量已超過(guò)1 500 g[1]。茶產(chǎn)業(yè)屬于季節(jié)性勞動(dòng)密集型產(chǎn)業(yè)，其中人工采摘環(huán)節(jié)占整個(gè)茶園管理用工的60%左右[2]。人工采摘不但效率低還占用大量農(nóng)時(shí)，人工成本高；市面上的傳統(tǒng)采茶機(jī)效率高但仍處于嫩芽與老葉同時(shí)“一刀切”的水平，這種“無(wú)差別采摘”方式極可能造成茶嫩芽的損壞，采摘的茶葉完整度低、質(zhì)量差，只能制作廉價(jià)的大宗茶[3]。因此，為了將茶農(nóng)從繁重的采摘作業(yè)中解放出來(lái)，提高嫩芽采摘的準(zhǔn)確率和效率，研究茶葉的智能化采摘具有重要意義，其前提和關(guān)鍵便是茶嫩芽的準(zhǔn)確識(shí)別。

近年來(lái)，對(duì)茶嫩芽的識(shí)別檢測(cè)方法研究主要集中在國(guó)內(nèi)，其研究方法包括傳統(tǒng)圖像處理和深度學(xué)習(xí)方法。傳統(tǒng)的圖像處理方法是根據(jù)灰度、顏色、紋理和形狀等基本特征對(duì)圖像進(jìn)行區(qū)域劃分，使得區(qū)域間顯差異性、區(qū)域內(nèi)呈相似性[4]。吳雪梅等[5]根據(jù)嫩芽和老葉的G 和G-B 分量的顏色信息，利用改進(jìn)的最大方差自動(dòng)取閾法計(jì)算G 和G-B 分量的分割閾值，分割出嫩芽。張浩等[6]結(jié)合RGB 因子和Otsu 法對(duì)圖像處理，通過(guò)濾波、腐蝕膨脹、閾值分割，面積篩選等得到嫩芽二值圖。張可等[7]人基于傳統(tǒng)閾值分割方法，結(jié)合K 聚類理論，提取茶葉圖像RGB 模型中的R-B 分量以及Lab 模型中的b 分量，用于嫩芽圖像的提取。張博等[8]通過(guò)RGB 色彩分量對(duì)圖像灰度化，濾波去噪，然后進(jìn)行圖像分割，再通過(guò)面積篩選等只保留嫩芽的二值圖，從而識(shí)別出茶葉嫩芽。以上方法雖然能實(shí)現(xiàn)茶嫩芽的識(shí)別，但其分割精度低，效果受嫩芽特征的影響較大，模型的泛化性和魯棒性較差。

隨著深度學(xué)習(xí)的快速發(fā)展和在其他領(lǐng)域的大量應(yīng)用，其在現(xiàn)代農(nóng)業(yè)中的研究也在增加[9]。許高建等[10]采用改進(jìn)Faster R-CNN 算法對(duì)茶葉嫩芽圖像進(jìn)行識(shí)別，但模型普適性較差，且分割速度較慢。CHEN等[11]和WANG等[12]分別利用Faster R-CNN 和Mask-RCNN 網(wǎng)絡(luò)識(shí)別出自然場(chǎng)景下的茶葉嫩芽，以上兩種方法具有較好的通用性和魯棒性，但識(shí)別檢測(cè)茶嫩芽的步驟多速度慢，實(shí)時(shí)性不高，應(yīng)用到茶葉的智能采摘上的效率有待提高。

目前的茶葉嫩芽識(shí)別方法研究大多屬于傳統(tǒng)圖像處理方法或傳統(tǒng)方法與深度學(xué)習(xí)相結(jié)合，雖然能夠識(shí)別到目標(biāo)，但仍存在以下不足：首先，傳統(tǒng)圖像處理方法在進(jìn)行特征選擇時(shí)，依賴研究人員人工設(shè)計(jì)特征，需要豐富的先驗(yàn)知識(shí)和復(fù)雜的調(diào)參過(guò)程，耗費(fèi)時(shí)間過(guò)長(zhǎng)。其次，由于市場(chǎng)的需求，茶葉嫩芽的識(shí)別精度應(yīng)當(dāng)很高，然而當(dāng)前針對(duì)茶葉嫩芽的識(shí)別研究大多沒(méi)有考慮到識(shí)別精度問(wèn)題，現(xiàn)有的研究網(wǎng)絡(luò)模型參數(shù)量大、運(yùn)行速度慢，未能實(shí)現(xiàn)識(shí)別效率與精度的有效平衡，然而，檢測(cè)速度和檢測(cè)精度是衡量模型能否應(yīng)用在工程上的重要指標(biāo)[13]；最后，與人臉識(shí)別等傳統(tǒng)目標(biāo)的識(shí)別相比，嫩芽的顏色、紋理特征與葉子相似，特征差異較小；圖像中的目標(biāo)小、密度高，且并非處于結(jié)構(gòu)化環(huán)境中，背景復(fù)雜。

針對(duì)以上問(wèn)題，本文以茶葉嫩芽的識(shí)別為目標(biāo)任務(wù)，運(yùn)用檢測(cè)速度和精度較好的YOLOv5s 網(wǎng)絡(luò)為基礎(chǔ)，根據(jù)目前嫩芽檢測(cè)中存在的問(wèn)題對(duì)原網(wǎng)絡(luò)模型進(jìn)行改進(jìn)，在保證實(shí)時(shí)檢測(cè)速度的基礎(chǔ)上提高網(wǎng)絡(luò)模型的檢測(cè)精度，并與Faster R-CNN、YOLOv4 等網(wǎng)絡(luò)模型進(jìn)行效果對(duì)比，以評(píng)估改進(jìn)后的模型性能，為茶葉的產(chǎn)量估計(jì)和茶葉智能采摘視覺(jué)系統(tǒng)提供技術(shù)支持。

1 材料與數(shù)據(jù)

1.1 圖像采集

本研究所用茶葉嫩芽數(shù)據(jù)集原始圖像采集地點(diǎn)為江蘇省南京市綠航獼猴桃園和鎮(zhèn)江市五峰茶廠，采集對(duì)象為龍井43 和五峰茶樹(shù)，茶樹(shù)均單攏栽種，長(zhǎng)勢(shì)較好。圖像采集設(shè)備為iPhone 手機(jī)和Canon EOS 800D，數(shù)據(jù)的分辨率分別是4 032×3 024 和3 984×2 656像素，以PNG 格式保存。數(shù)據(jù)采集于2022 年3 月、6 月上旬和10 月下旬，拍攝時(shí)間為06:00～18:00。在對(duì)茶葉嫩芽進(jìn)行圖像采集的時(shí)候，拍攝設(shè)備與茶樹(shù)的距離為10～50 cm，拍攝角度與豎直向上方向呈30°～90°夾角，嫩芽為前景，嫩芽以外的信息為背景。共采集原始圖像1 190 幅，如圖1 所示，包含不同背景復(fù)雜度、近遠(yuǎn)景、不同季節(jié)和單張圖中目標(biāo)多少的數(shù)據(jù)。

圖1 不同場(chǎng)景下的茶嫩芽數(shù)據(jù)樣本Fig.1 Tea buds data samples in different scenarios

1.2 數(shù)據(jù)集構(gòu)建

利用矩形區(qū)域標(biāo)注工具LabelImg 對(duì)采集到的圖像進(jìn)行人工標(biāo)記，以獲得圖像中目標(biāo)嫩芽的類別和位置信息。標(biāo)注完的信息以txt 文件的形式保存后，完成茶葉嫩芽數(shù)據(jù)集的構(gòu)建。本研究將數(shù)據(jù)集按照7∶2∶1 的比例隨機(jī)劃分為訓(xùn)練集（833 幅）、驗(yàn)證集（238 幅）和測(cè)試集（119 幅），每個(gè)數(shù)據(jù)集都包含采集到的茶嫩芽圖像和標(biāo)注的標(biāo)簽信息。

2 茶葉嫩芽識(shí)別算法及改進(jìn)

2.1 YOLOv5s 網(wǎng)絡(luò)模型

在單階段目標(biāo)檢測(cè)算法里，YOLOv5 的性能良好，是YOLO 系列中推理速度和識(shí)別效果最優(yōu)的模型[14]，其中，YOLOv5s 網(wǎng)絡(luò)的深度和特征圖的寬度較小，推理速度快，廣泛應(yīng)用于實(shí)際場(chǎng)景中[15]，其作為基礎(chǔ)模型。因此本研究選YOLOv5s 的網(wǎng)絡(luò)結(jié)構(gòu)包括輸入端Input、骨干網(wǎng)絡(luò)Backbone、頸部網(wǎng)絡(luò)Neck 和預(yù)測(cè)Prediction 4個(gè)部分，其網(wǎng)絡(luò)結(jié)構(gòu)如圖2 所示。

圖2 YOLOv5 網(wǎng)絡(luò)結(jié)構(gòu)Fig.2 The network structure of YOLOv5

輸入端的Mosaic 數(shù)據(jù)增強(qiáng)隨機(jī)使用4 張圖片，通過(guò)隨機(jī)縮放、裁剪、分布進(jìn)行拼接，以此豐富數(shù)據(jù)集，增強(qiáng)模型的泛化性[16]；通過(guò)自適應(yīng)的錨框自動(dòng)計(jì)算茶嫩芽數(shù)據(jù)集的最佳錨框值。輸入的圖片首先在Backbone 部分進(jìn)行特征提取，獲得3個(gè)有效特征層后，Neck 部分的特征金字塔網(wǎng)絡(luò)(FPN)進(jìn)行通過(guò)上采樣的方式進(jìn)行特征融合，結(jié)合不同尺度的特征信息[17]；Neck 部分的路徑聚合網(wǎng)絡(luò)(PAN)[18]自底向上通過(guò)下采樣來(lái)傳達(dá)強(qiáng)定位特征，兩個(gè)網(wǎng)絡(luò)從不同的主干層進(jìn)行特征聚合，從而獲得信息更豐富的特征圖。Prediction 部分包含3個(gè)預(yù)測(cè)分支，利用提取到的特征信息對(duì)不同尺寸的目標(biāo)進(jìn)行預(yù)測(cè)，獲得預(yù)測(cè)目標(biāo)的類別、置信度及其位置信息。

2.2 YOLOv5s 網(wǎng)絡(luò)改進(jìn)

YOLOv5 原模型在公共數(shù)據(jù)集COCO 上進(jìn)行訓(xùn)練和評(píng)估[19]，該數(shù)據(jù)集涵蓋80個(gè)類別、8.8×105個(gè)標(biāo)注對(duì)象[20]，識(shí)別類別過(guò)多會(huì)影響算法本身的主要特征表達(dá)[21]。本研究只涉及到茶葉嫩芽這一單類別識(shí)別，為提高茶葉嫩芽的檢測(cè)性能，本文提出一種改進(jìn)模型Tea-YOLOv5s，將原模型中Backbone 網(wǎng)絡(luò)的SPPF 模塊替換為ASPP 結(jié)構(gòu)、Neck 網(wǎng)絡(luò)引入BiFPN 結(jié)構(gòu)，并在加強(qiáng)特征提取網(wǎng)絡(luò)上增加3個(gè)CBAM 注意力機(jī)制，在保證可以實(shí)現(xiàn)實(shí)時(shí)檢測(cè)的基礎(chǔ)上，提高茶葉嫩芽的識(shí)別精度。

2.2.1 Backbone 網(wǎng)絡(luò)優(yōu)化

YOLOv5s 模型的骨干網(wǎng)絡(luò)中使用空間金字塔池化結(jié)構(gòu)SPPF（spatial pyramid pooling-fast）來(lái)提取不同感受野的信息，但其池化操作會(huì)損失局部信息，不能充分體現(xiàn)全局信息和局部信息的語(yǔ)義關(guān)系[22]。本文采用文獻(xiàn)[23]中所提出的空洞空間卷積池化金字塔ASPP（atrous spatial pyramid pooling）結(jié)構(gòu)取代原Backbone 網(wǎng)絡(luò)中的SPPF結(jié)構(gòu)，利用不同空洞率的多個(gè)并行空洞卷積層[24]來(lái)實(shí)現(xiàn)SPPF 結(jié)構(gòu)中的池化操作，并將其全局平均池化并聯(lián)，組成新的特征金字塔網(wǎng)絡(luò)，以此實(shí)現(xiàn)特征融合，獲取多尺度物體信息，增強(qiáng)模型識(shí)別不同尺寸同一目標(biāo)的能力。

ASPP 結(jié)構(gòu)如圖3 所示，其前向傳播流程為：將骨干特征提取網(wǎng)絡(luò)輸出的特征圖作為 ASPP 模塊的輸入，尺寸為20×20×1 024，第一個(gè)支路是1×1 標(biāo)準(zhǔn)卷積，保持原有的感受野；第二至四個(gè)支路是擴(kuò)張率分別為6、12、18 且卷積核大小為3×3 的空洞卷積，特征提取以獲得不同的感受野；第五個(gè)支路是將輸入的特征圖進(jìn)行全局平均池化，獲取全局特征。最后將五個(gè)分支的特征圖在通道維度上堆疊，經(jīng)過(guò)1×1 標(biāo)準(zhǔn)卷積融合不同尺度的信息，最終生成20×20×1 024 特征圖。

圖3 ASPP 結(jié)構(gòu)Fig.3 Structure of atrous spatial pyramid pooling

2.2.2 Neck 網(wǎng)絡(luò)優(yōu)化

對(duì)于多尺度特征融合，在融合不同的輸入特征時(shí)，傳統(tǒng)的特征金字塔結(jié)構(gòu)FPN（feature pyramid network）自頂向下融合特征，淺層的特征信息在傳遞的過(guò)程中丟失嚴(yán)重[25]；YOLOv5s 采用的路徑聚合網(wǎng)絡(luò)PANet（path aggregation network）在FPN 的基礎(chǔ)上增加自底向上的路徑，雙向融合骨干網(wǎng)絡(luò)使得底層的信息更容易傳播，但結(jié)構(gòu)仍較為簡(jiǎn)單[26]。本研究引入可加權(quán)重的雙向特征金字塔網(wǎng)絡(luò)結(jié)構(gòu)BiFPN（bidirectional feature pyramid network）[27]，3 種Neck 網(wǎng)絡(luò)結(jié)構(gòu)如圖4 所示。

圖4 三種Neck 網(wǎng)絡(luò)結(jié)構(gòu)Fig.4 Three types of Neck network structures

BiFPN 刪除了貢獻(xiàn)度小的單輸入節(jié)點(diǎn)以此簡(jiǎn)化網(wǎng)絡(luò)；然后在原始輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)之間增加一條邊以融合更多特征；最后將自頂向下和自底向上的路徑融合進(jìn)一個(gè)模塊中，通過(guò)NAS 技術(shù)算出此模塊的重復(fù)次數(shù)后將其作為參數(shù)設(shè)計(jì)到網(wǎng)絡(luò)中來(lái)，提高茶葉嫩芽此類小目標(biāo)的特征提取的準(zhǔn)確度，以實(shí)現(xiàn)更高層次的特征融合。

先前的特征融合方法對(duì)輸入的特征均平等處理，然而，由于不同特征的分辨率不同，它們對(duì)特征融合的貢獻(xiàn)權(quán)重也是不同的[28]。為解決此問(wèn)題，BiFPN 在特征融合期間為每個(gè)輸入添加一個(gè)額外的權(quán)重O，讓網(wǎng)絡(luò)去學(xué)習(xí)每個(gè)輸入特征的重要性[29]，如式（1）所示。

式中Ii表示輸入的特征；ωi和ωj表示網(wǎng)絡(luò)訓(xùn)練得到的權(quán)重；?=0.000 1。

2.2.3 加入CBAM 模塊提高識(shí)別精度

自然場(chǎng)景下的茶葉嫩芽環(huán)境比較復(fù)雜，且茶葉圖像的前景和背景較為相似，為使網(wǎng)絡(luò)模型在進(jìn)行信息提取的時(shí)候更好地關(guān)注茶葉嫩芽的關(guān)鍵信息，改善小目標(biāo)的識(shí)別效果，本文選擇將融合通道注意力與空間注意力的CBAM(convolutional block attention module)卷積注意力模塊[30]應(yīng)用于加強(qiáng)特征融合網(wǎng)絡(luò)中，添加在Neck 網(wǎng)絡(luò)中的每個(gè)CSP2-_1 模塊后。

CBAM 模塊由通道注意力模塊(CAM)和空間注意力模塊(SAM)組成，如圖5 所示，CBAM 依次沿著通道和空間兩個(gè)獨(dú)立維度推斷注意力圖，兩個(gè)模塊分別關(guān)注特征的含義和重要特征的位置[31]。CAM 模塊對(duì)輸入進(jìn)來(lái)的單個(gè)細(xì)化特征F[C,H,W]，先分別進(jìn)行全局平均池化和全局最大池化操作得到兩個(gè)[C,1,1]的權(quán)重向量；之后權(quán)重向量通過(guò)共享多層感知器映射成每個(gè)通道的權(quán)重；將映射后的權(quán)重相加，利用Sigmoid 激活函數(shù)獲得輸入特征層的權(quán)值矩陣Mc，其計(jì)算式如式（2）所示：

圖5 卷積注意力模塊Fig.5 Convolutional block attention module

式中，σ 為Sigmoid 激活函數(shù)，F(xiàn)為輸入的特征圖。在獲得Mc后，將其與原輸入特征圖F按通道數(shù)相乘得到通道細(xì)化特征F′，其計(jì)算式為式(3)。

式中F′為經(jīng)CAM 細(xì)化后的特征圖，?為逐元相乘操作。特征圖F’[C’,H’,W’]在SAM 中沿每一個(gè)特征點(diǎn)的通道上進(jìn)行最大池化和平均池化操作得到兩個(gè)[1,H’,W’]的權(quán)重向量，之后將結(jié)果進(jìn)行堆疊獲得[2,H’,W’]的特征圖空間權(quán)重；經(jīng)過(guò)7×7的卷積操作后利用Sigmoid 激活函數(shù)，進(jìn)而得到空間壓縮權(quán)值矩陣Ms，如式（4）所示：

式中，f7×7為7×7 卷積層獲得權(quán)值Ms后，將其與輸入特征層F’相乘得到空間細(xì)化特征F’’，其計(jì)算式如式(5)：

2.3 模型訓(xùn)練與測(cè)試

2.3.1 試驗(yàn)平臺(tái)

本試驗(yàn)運(yùn)行算法的計(jì)算機(jī)工作站配置有Intel Core i7-10700K 處理器，主頻3.80 GHz，運(yùn)行內(nèi)存為16GB，并配有Nvidia 2 080 顯卡。試驗(yàn)在Ubuntu18.04.6 LTS 操作系統(tǒng)上進(jìn)行，采用PyTorch 深度學(xué)習(xí)框架對(duì)模型進(jìn)行搭建和改進(jìn)，Loss 曲線收斂后對(duì)各算法進(jìn)行分析。

2.3.2 模型訓(xùn)練參數(shù)設(shè)置

模型訓(xùn)練時(shí)，將訓(xùn)練集圖像的分辨率均調(diào)整為640×640 像素，選用隨機(jī)梯度下降法(stochastic gradient descent，SGD)優(yōu)化器，訓(xùn)練300個(gè)epoch，批次大小設(shè)為16，初始學(xué)習(xí)率為0.01，動(dòng)量參數(shù)和權(quán)值衰減參數(shù)分別設(shè)置為0.937 和0.000 5。

2.3.3 評(píng)價(jià)指標(biāo)

試驗(yàn)結(jié)果采用檢測(cè)速度FPS(幀/s)作為模型的識(shí)別速度評(píng)價(jià)指標(biāo)；采用準(zhǔn)確率P(Precision,%)、召回率R(Recall，%)、平均精度XmAP(mean average precision，%)來(lái)衡量模型預(yù)測(cè)的準(zhǔn)確度，計(jì)算式如下：

式中，XTP表示被正確地檢測(cè)為茶葉嫩芽的數(shù)量；XFP表示被錯(cuò)誤地檢測(cè)成茶葉嫩芽的數(shù)量；XFN為圖像中被漏檢的茶嫩芽數(shù)量；XAP為0～1 之間所有R值的P的平均值函數(shù)；C為檢測(cè)類別數(shù)，本研究的識(shí)別目標(biāo)只有茶葉嫩芽，故C=1。

3 結(jié)果與分析

3.1 識(shí)別模型結(jié)果對(duì)比

將原YOLOv5s 網(wǎng)絡(luò)模型和改進(jìn)后獲得的Tea-YOLOv5s 模型在119 張測(cè)試集上進(jìn)行試驗(yàn)對(duì)比，隨機(jī)選擇背景復(fù)雜、前景與背景相似、多目標(biāo)情況下的3 種場(chǎng)景中選擇1 張茶葉圖像進(jìn)行展示，如圖6 所示。

圖6 YOLOv5s 改進(jìn)前后的茶葉嫩芽檢測(cè)效果對(duì)比Fig.6 Comparison of detection effect of tea buds before and after improvement of YOLOv5s

可以看出，由于茶葉嫩芽目標(biāo)較小，處于的場(chǎng)景較為復(fù)雜，原YOLOv5s 模型對(duì)于多目標(biāo)場(chǎng)景下的茶葉嫩芽出現(xiàn)漏檢現(xiàn)象，檢測(cè)出的目標(biāo)置信度略有降低。Tea-YOLOv5s 模型對(duì)茶葉圖像進(jìn)行檢測(cè)時(shí)具有更高的置信度分?jǐn)?shù)，且出現(xiàn)的嫩芽目標(biāo)全部被識(shí)別出。

3.2 Tea-YOLOv5s 消融試驗(yàn)性能對(duì)比

本研究通過(guò)消融試驗(yàn)以檢驗(yàn)不同優(yōu)化策略的有效性。試驗(yàn)結(jié)果如表1 所示，由表可知，ASPP 結(jié)構(gòu)提高了骨干網(wǎng)絡(luò)特征提取能力，召回率提升了0.5個(gè)百分點(diǎn)，mAP提升了1.7個(gè)百分點(diǎn)；若直接在頸部網(wǎng)絡(luò)的3個(gè)C3 層后添加3個(gè)CBAM 卷積注意力模塊，準(zhǔn)確率、召回率和mAP 仍有小幅度提升；若在引入ASPP 結(jié)構(gòu)的基礎(chǔ)上添加3個(gè)CBAM，準(zhǔn)確率、召回率和mAP 均有所提高，其中mAP 提高了2.0個(gè)百分點(diǎn)。最終，改進(jìn)后的Tea-YOLOv5s 模型的準(zhǔn)確率、召回率和mAP 比原模型分別高出4.4、0.5 和4個(gè)百分點(diǎn)，但推理速度降低至84 幀/s，這表明引入各個(gè)結(jié)構(gòu)增加了模型的復(fù)雜度導(dǎo)致推理速度變慢。

表1 消融試驗(yàn)性能對(duì)比Table 1 Comparison of ablation experiment performance

以上4 種改進(jìn)方法比原模型的檢測(cè)精度均有提升，雖然檢測(cè)速度略有降低但仍達(dá)到了實(shí)時(shí)檢測(cè)要求。5個(gè)網(wǎng)絡(luò)模型的性能曲線如圖7 所示，通過(guò)消融試驗(yàn)證實(shí)了對(duì)YOLOv5s 網(wǎng)絡(luò)的Backbone、Neck 結(jié)構(gòu)同時(shí)進(jìn)行優(yōu)化可以改善模型對(duì)茶葉嫩芽的檢測(cè)性能。

圖7 基于YOLOv5s 的不同改進(jìn)算法在訓(xùn)練過(guò)程中的性能參數(shù)變化曲線Fig.7 Curves of performance parameter changes of different improved algorithms based on YOLOv5s during training process

3.3 不同目標(biāo)檢測(cè)模型的試驗(yàn)對(duì)比

將基于改進(jìn)YOLOv5s 的Tea-YOLOv5s 模型與主流目標(biāo)檢測(cè)網(wǎng)絡(luò)模型如Faster-RCNN、SSD、YOLOv3、YOLOv4 和YOLOv5s 等進(jìn)行試驗(yàn)對(duì)比，結(jié)果如表2 所示。從表中可以看出，Tea-YOLOv5s 模型的平均精度比其他模型分別高出54.27、29.66、26.40、32.45、4.00個(gè)百分點(diǎn)，雙階段檢測(cè)網(wǎng)絡(luò)模型Faster-RCNN 的識(shí)別精度低且網(wǎng)絡(luò)參數(shù)多，推理速度最慢，單階段目標(biāo)檢測(cè)模型SSD、YOLOv3、YOLOv4 的檢測(cè)精度較于Faster-RCNN 略有提高，但仍無(wú)法滿足茶葉嫩芽的實(shí)時(shí)性識(shí)別要求；改進(jìn)后的Tea-YOLOv5s 的平均精度提高到了84.3%，雖然推理速度略低于常規(guī)YOLOv5s，但足以滿足茶葉嫩芽的實(shí)時(shí)檢測(cè)。

表2 不同網(wǎng)絡(luò)模型的試驗(yàn)結(jié)果對(duì)比Table 2 Comparison of experimental results of different network models

4 結(jié)論

1）本研究以原YOLOv5s 模型為基礎(chǔ)進(jìn)行改進(jìn)，使用ASPP 空洞空間卷積池化金字塔來(lái)提取茶葉嫩芽的多尺度特征信息，BiFPN 雙向特征金字塔網(wǎng)絡(luò)替換PANet路徑聚合網(wǎng)絡(luò)，提升了網(wǎng)絡(luò)特征融合能力，并將3個(gè)CBAM 卷積注意力模塊添加到Neck 網(wǎng)絡(luò)中，加強(qiáng)了關(guān)鍵信息的提取，提高檢測(cè)精度和效率。

2）根據(jù)茶園的實(shí)際環(huán)境，本研究制作了不同自然場(chǎng)景下的茶葉嫩芽數(shù)據(jù)集以用于模型的訓(xùn)練、驗(yàn)證和測(cè)試，并分別與Faster-RCNN、SSD、YOLOv3、YOLOv4 和YOLOv5s 模型進(jìn)行試驗(yàn)對(duì)比，結(jié)果表明，本研究提出的Tea-YOLOv5s 均能提升茶葉嫩芽識(shí)別的準(zhǔn)確率、召回率和平均精度，較原模型分別提高了4.4、0.5 和4.0個(gè)百分點(diǎn)，隨著改進(jìn)后模型的復(fù)雜度提高，推理速度也下降至84 幀/s，但仍能達(dá)到實(shí)時(shí)識(shí)別的要求。該模型對(duì)自然場(chǎng)景下的茶葉嫩芽檢測(cè)性能良好，可對(duì)茶葉的產(chǎn)量估計(jì)和茶葉采摘機(jī)器人的研發(fā)提供參考。