基于改进YOLOv5的平贝母检测模型

现有平贝母表土剥离机智能化程度不高，在收获平贝母时存在造成平贝母损伤的问题，故需要研制一款智能化的平贝母表土剥离机，而实现智能表土剥离的第一步就是实现智能识别，因此，提出一种基于改进YOLOv5的平贝母检测模型YOLOv5-Swin-L。通过引入Swin transformer,在骨干网络中替换C3,减少序列长度和降低计算复杂度，从而简化模型的参数量；同时用ACON激活函数将原来网络结构中的激活函数替换，可提高模型的精确度，增加模型的鲁棒性。实验结果表明，改进后的YOLOv5-Swin-L对平贝母识别的准确率最高可达96.39%,召回率最高可达95.76%,优于YOLOv5系列的其他网络模型。