基于改进YOLOv5的田间复杂环境障碍物检测

杨昊霖，王其欢，李华彪，耿端阳，武继达，姚艳春

（山东理工大学农业工程与食品科学学院，山东淄博，255000）

摘要：为实现田间复杂环境下农业机器人自主导航作业过程中障碍物快速检测，提出一种基于改进YOLOv5的田间复杂环境下障碍物检测方法。建立包含农业机械、人、羊三类目标障碍物共计6 766张图片的农田障碍物数据集；通过k-means聚类算法生成最佳先验锚框尺寸；引入CBAM卷积块注意力模块，抑制目标障碍物周围复杂环境的干扰，增强目标显著度；增加一个检测头，跨层级连接主干特征，增强多尺度特征表达能力，缓解标注对象尺度方差带来的负面影响；使用Ghost卷积替换Neck层中普通卷积，减少模型参数，降低模型复杂度。改进后的模型比YOLOv5s基准模型检测精度提高2.3%，召回率提高3.1%，精确率提高1.9%，参数量降低7%左右，为无人农业机械自主作业过程中导航避障的研究提供技术参考。