文献类型：期刊文章

作　　者：王洲[1] 周旗[1] 王李进[1] 吴清寿[2]

WANG Zhou;ZHOU Qi;WANG Lijin;WU Qingshou(College of Computer and Information Sciences/Key Laboratory of Smart Agricultrue and Foresty,Fujian Agriculture and Forestry University,Fuzhou 350002,China;School of Mathematics and Computer Science,Wuyi University,Nanping 354300,China)

机构地区：[1]福建农林大学计算机与信息学院/智慧农林福建省高校重点实验室,福州350002 [2]武夷学院数学与计算机学院,南平354300

出　　处：《南京信息工程大学学报》

基　　金：福建省自然科学基金(2021J01127);福建农林大学科技创新专项基金(KFb22092XA,KFb23158);福建省茶产业大数据应用与智能化重点实验室开放基金(FKLBDAITI202309)。

年　　份：2025

卷　　号：17

期　　号：4

起止页码：506-514

语　　种：中文

收录情况：BDHX、BDHX2023、核心刊

摘　　要：准确识别茶芽图像需要克服茶芽颜色与背景相似且目标尺寸小的问题,为此提出一种应用于茶芽检测的基于混合注意力机制的YOLOv5s模型.首先,提出一种混合注意力机制(HAM)并将其加入到YOLOv5s主干网络中,使网络能够专注于目标区域,更加充分地提取特征,提高模型识别物体的准确性.然后,引入归一化瓦瑟斯坦距离(NWD)作为新的度量指标,并与原有的CIoU损失函数相结合.NWD损失函数通过边界框对应的高斯分布来计算它们之间的相似性,从而提高模型对图像中小目标的检测精度.实验结果表明,与原YOLOv5s模型相比,改进后模型的mAP_(0.5)、mAP_(0.5∶0.95)分别提高0.9和1.3个百分点,而参数量仅仅增加0.044×10^(6).这些结果验证了本文所提出的方法在茶芽检测方面的有效性.

关 键 词：茶芽检测  YOLOv5s  注意力机制  损失函数

分 类 号：TP391.41] TP18[计算机类]