[发明专利]基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法

权利要求书

1.一种基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法，其特征在于，包括以下步骤：

(1)获取数据集：拍摄收集多张从甘蔗地拍摄的蔗梢照片，对蔗梢照片进行处理得到数据集，数据集包括训练集、测试集和验证集；

(2)数据标注：对步骤(1)的图片数据集进行标注，得到与训练集、测试集和验证集一一对应的标注文件；

(3)改进yolov5模型：以原始yolov5网络模型进行修改，先将yolov5原来PANET层改进为BIFPN层，从而实现自上而下与自下而上的深浅层特征双向融合，然后在neck部分引入CA注意力机制配合BIFPN提高模型对小目标和复杂环境下目标的识别率，再使用轻量化的Ghost卷积网络代替原有的卷积网络；

(4)模型训练：将步骤(2)得到的图片训练集和训练集标注文件放入步骤(3)所改进的yolov5模型进行训练，得到性能最优的模型并保存；

(5)输出坐标：以甘蔗簇为基本单位，得到一簇中所有蔗梢的中心坐标，再对所有的中心坐标求平均值并输出。

2.根据权利要求1所述的基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法，其特征在于，步骤(1)对蔗梢照片进行处理的方法为：对拍摄的照片进行数据增强，包括亮度调整、高斯模糊和镜像操作，然后将拍摄的照片和增强的照片放在一起形成数据集，再将数据集按照一定比例进行划分，划分为训练集、测试集和验证集。

3.根据权利要求1或2所述的基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法，其特征在于，数据集划分为训练集、测试集和验证集的比例为7:2:1。

4.根据权利要求1所述的基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法，其特征在于，步骤(2)的数据标注为，数据集采用yolo格式,使用LabelImg对步骤(1)得到的图片进行标注，得到与训练集，测试机和验证集一一对应的标注文件。

5.根据权利要求4所述的基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法，其特征在于，步骤(2)的数据标注为：

1)先确认图片中蔗梢所在的区域，进行标记，得到蔗梢所在区域的标记框；

2)再将标注信息生成对应的txt文档，每个文档信息中都含有4个位置信息和1个类别信息；

3)将得到的标注文档和步骤(1)数据集中的照片对应生成相应的标注文件。

6.根据权利要求1所述的基于甘蔗簇的改进yolov5的复杂环境下蔗梢识别方法，其特征在于，步骤(3)改进yolov5模型的方法包括：

1)在yolov5架构的基础上，对其头部网络进行优化，将yolov5中原来的PANET修改为BiFPN；

2)在neck部分引入CA注意力机制配合BIFPN，CA注意力机制通过精确的位置信息对通道关系和长期依赖性进行编码,具体操作分为Coordinate信息嵌入和CoordinateAttention生产2个步骤；

3)用Ghost卷积层替代原有的网络卷积层，将原有的卷积操作分成两个阶段，其中第一阶为段少量的卷积计算，第二阶段则是在第一阶段得到的特征图的基础上进行分块单独线性卷积，生成原有的特征图的Ghost，并在最后将它们组合在一起来得到特征图。