基于YOLOv5s番茄花果检测算法研究及应用设计.pdfVIP

摘要

番茄具有丰富的营养价值，在食用、加工、种植方面都很受欢迎。其生长

发育期是番茄果实提升产量和质量的关键时期。此外，番茄花果检测算法在嵌

入式设备上的应用部署仍存在着难点和限制。因此本文利用在温室下采集的番

茄花果数据集图片，依照番茄果实开花坐果期和果实成熟期的花果特点，以

YOLOv5s为基础，对番茄花果检测算法进行轻量化改进和嵌入式设备部署。本

文的具体研究内容如下：

1YOLOv5s

（）提出了基于改进的番茄花果检测算法。首先，根据番茄生

长特点制作了番茄花果数据集。其次，为提高番茄花果检测算法的实时性和降

低番茄花果检测设备的制造成本，以YOLOv5s为基础算法设计了轻量化模型—

TF-YOLOv5s。在YOLOv5s的基础上，引入了C3Faster模块，并用深度可分离卷

积代替普通卷积以减少参数量和计算量，同时保持检测精度。为了提高网络模

型的收敛性和准确性，用了EIOU（EfficientIntersectionoverUnion）损失函数

取代了原算法中的CIOU（CompleteIntersectionoverUnion）损失函数。此外，

加入了SE（Squeeze-and-Excitation）注意力机制，以提高模型对番茄花和番茄

果实特征的敏感度。通过消融实验和其他算法的对比验证了该轻量化模型的有

TF-YOLOv5sYOLOv5s54.3%

效性。与相比，模型参数量减少了，模型权重文件

减少了52.8%，网络计算量减少了48.7%，番茄花果的检测精度和mAP@0.5值达

93.5%95.3%

到和。实验结果表明，本文算法能够利用较少的计算资源实现较高

的检测效果。

（2）基于PyQT番茄花果桌面端应用设计与实现。此桌面端应用设计提供

了一个可视化的操作界面，实现了模型权重选择、模型初始化、图片检测、视

频检测、模型推理结果显示、检测继续和结束的功能。满足了对图片和视频中

的番茄花果进行检测和定位。

3YOLOv5sTF-YOLOv5s

（）番茄花果检测算法嵌入式部署。本文将与分

别部署在两种算力不同的嵌入式设备上验证改进模型的有效性。在嵌入式设备

YOLOv5sTF-YOLOV5sRaspberry4B

上的测试表明，同相比，在上的推理时

间减少了40%。在NVIDIAJetsonTX2上，TF-YOLOV5s的推理时间也减少了

11.6ms。

YOLOC3Faster

关键词：深度学习；；；番茄花果；轻量化

I

ABSTRACT

Tomatoeshaverichnutritionalvalueandarepopularinconsumption,processing,

andcultivation.Thegrowthanddevelopmentperiodoftomatoesisacrucialperiod

forimprovingtheyieldandqualityoftomatofruits.Inaddition,therearestill

difficultiesandlimitationsintheapplicationdeploymentoftomatoflowerandfruit

detectiononembeddeddevices.Therefore,thisartic