文献类型： 中文期刊

作者： 张 嘉豪 ¹ ; 郭 阳 ² ; 刘 杰 ¹ ; 陈 桂鹏 ¹ ;

作者机构： 1.江西省农业科学院农业经济与信息研究所/华东交通大学电气与自动化工程学院

2.江西省农业科学院农业经济与信息研究所

关键词： YOLOv5;蜜柚果树识别;注意力模块

期刊名称：

ISSN： 1672-0423

年卷期： 2025 年 37 卷 1 期

页码： 29-39

摘要： 【目的】为推动井冈蜜柚果园实现智能化喷药，提升资源利用效率，提出一种基于改进的YOLOv5的蜜柚果树检测方法。【方法】文章采用无人机M30T搭载CMOS影像传感器，在蜜柚果园采集504张高分辨率图像，并使用LabelImg工具进行图像标注。引入ECA注意力模块对YOLOv5目标检测算法进行改进，提高蜜柚果树的检测精度和速度。【结果】（1）在测试集上，改进的YOLOv5算法平均检测精度达90.09%，检测速度达到5.28 it/s，与SSD模型、YOLOv4 模型和YOLOv5模型相比精度分别提高了8.33%、12.74%和1.72%。（2）改进算法在不同光照条件和拍摄角度下均展现出良好的鲁棒性，综合漏检率仅为3.54%，较原始YOLOv5、YOLOv4和SSD模型分别降低了1.77%、16.81%和14.15%。（3）ECA模块实现精度—速度最优平衡，较原模型mAP提升1.72%至90.09%，优于其他注意力模块。【结论】改进的YOLOv5算法能够实现蜜柚果树的精准检测，对井冈蜜柚果园的智能喷药的发展有重要意义。