利用改进的YOLOv5模型对玉米和杂草进行精准检测和精准喷洒

摘要

本文提出了一种基于改进yolov5s的轻量化模型，并构建了一种精密喷涂机器人。
首先，采用基于品类平衡和农艺特征的数据增广方法解决了数据不平衡问题;然后，与yolov5s、yolov5l、yolov5m、yolov5x相比，我们发现yolov5s具有实时性和准确性，并且更容易将模型部署到边缘设备上。
通过特征地图可视化实验，我们发现特征提取网络不能密切关注目标的重要特征，抑制噪声特征。因此，我们添加了注意机制。
为了提高模型的实时性，我们设计了c3ghost -瓶颈模块。
最后，我们制作了一个精密喷涂机器人。
与原模型相比，map@0.5值增加了3.2%，模型文件减少了3.6 MB，玉米AP值从93.2%提高到96.3%，杂草AP值从85.6%提高到88.9%。最后，进行了杂草精确喷洒试验。
关键词：数据平衡，目标检测，精密喷涂机器人，SENet, yolov5s。

1、引言

喷药除草作业大多采用连续喷药的方法。虽然具有良好的除草效果，但大量喷洒农药不仅污染环境，还影响农作物的生长发育，而且容易产生农药残留[3]。精准施药是提高农药利用率的有效途径，而目标的准确识别和定位是实现精准施药技术的前提。
在