基于YOLOv5s的輕量級茶葉嫩芽終端檢測模型

摘要： 在茶園環(huán)境中快速精準(zhǔn)識別茶葉嫩芽是實現(xiàn)智能化采茶的關(guān)鍵技術(shù)之一，但茶芽檢測模型的復(fù)雜性導(dǎo)致模型參數(shù)量大、計算量大、模型尺寸大，限制了模型在采茶機器人嵌入式設(shè)備的部署。鑒于此，本文提出一種基于YOLOv5s的輕量級茶葉嫩芽終端檢測模型。首先，使用輕量級網(wǎng)絡(luò)GhostNet替換YOLOv5s中的Backbone網(wǎng)絡(luò)，并重構(gòu)Neck網(wǎng)絡(luò)，降低模型的參數(shù)量、計算量和內(nèi)存占用量，改進(jìn)后的...