基于改进YOLOv5的田间大豆花朵生长状态检测方法研究

岳耀华1,2,3，张伟1,2,3，亓立强1,2,3

(1.黑龙江八一农垦大学工程学院，黑龙江大庆，163319；2.黑龙江省保护性耕作工程技术研究中心，黑龙江大庆，163319；3.农业农村部大豆机械化生产重点实验室，黑龙江大庆，163319)

摘要：为判断大豆开花时期落花情况，对田间大豆花朵在花蕾、半开、全开、凋落四类生长状态下进行精准检测。基于YOLOv5检测模型，对主干Bottleneck CSP结构进行修改，减少模块数量来保留更多浅层特征，增强特征表达能力，在骨干网络中引入CA注意机制，以获得位置信息，协助模型更加准确地识别，并修改锚箱尺寸提高小目标花蕾精准识别，在自建的田间大豆花朵不同生长状态数据集上进行改进YOLOv5算法对比试验。结果表明：大豆开花时期花朵不同生长状态识别模型准确率达到93.4%，召回率达到91.4%，对比原模型准确率、召回率分别提高0.8%和2.1%。