摘要：夏烨, 雷哓晖, 祁雁楠, 徐陶, 袁全春, 潘健, 姜赛珂, 吕晓兰. 基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序[J]. 智慧农业(中英文), 2022, 4(3): 108-119.
引用格式：
夏烨, 雷哓晖, 祁雁楠, 徐陶, 袁全春, 潘健, 姜赛珂, 吕晓兰. 基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序[J]. 智慧农业(中英文), 2022, 4(3): 108-119.XIA Ye, LEI Xiaohui, QI Yannan, XU Tao, YUAN Quanchun, PAN Jian, JIANG Saike, LYU Xiaolan. Detection of pear inflorescence based on improved Ghost-YOLOv5s-BiFPN algorithm[J]. Smart Agriculture, 2022, 4(3): 108-119.官网阅读（免费，全文）
基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序
夏烨1，2111111， 吕晓兰1*（1. 江苏省农业科学院农业设施与装备研究所/农业农村部园艺作物农业装备重点实验室，江苏南京 210014；2.江苏大学 农业工程学院，江苏镇江 210200）
摘要：疏花是梨生产中的重要农艺措施，机械化智能疏花是当今高速发展的疏花方式，花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题，提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法Ghost-YOLOv5s-BiFPN。通过对田间采集的梨树花苞与花朵图像进行标注与数据扩充后送入算法进行训练得到检测模型。Ghost-YOLOv5s-BiFPN运用加权双向特征金字塔网络（Bi-directional Feature Pyramid Network，BiFPN）替换原始的路径聚合网络（Path Aggregation Network，PAN）结构，对网络提取的不同尺寸目标特征进行有效的融合。同时运用Ghost模块替换传统卷积，在不降低准确度的同时减少模型参数量和提升设备运行效率。田间试验结果表明，改进的Ghost-YOLOv5s-BiFPN算法对梨树花序中花苞与花朵的检测精度分别为93.2%和89.4%，两种目标平均精度为91.3%，检测单张图像时间为29 ms，模型大小为7.62 M。相比于原始YOLOv5s算法，检测精度与召回度分别提升了4.2%和2.7%，检测时间和模型参数量分别降低了9 ms和46.6%。本研究提出的算法可对梨树花苞与花朵进行精确的识别和分类，为后续梨园智能化疏花的实现提供技术支持。
关键词：梨树花序；智能识别；YOLOv5s；加权双向特征金字塔；轻量化模型
文章图片
”
图1 梨树水平棚架
Fig. 1 Horizontal scaffolding of pear tree
图2 梨花序原始数据随机扩充示例
Fig. 2 Examples of random expansion of pear flower sequence original data
图3 YOLOv5s网络结构图
Fig. 3 YOLOv5s network structure diagram
图4 Ghost卷积模块原理图
Fig. 4 Schematic diagram of Ghost convolution module
图5 Ghost瓶颈结构模块
Fig. 5 Ghost bottleneck structure module
图6 激活函数图像
Fig. 6 Images of activation function
图7 PANet及BiFPN结构图
Fig. 7 Structure diagram of PANet and BiFPN
图8 修改后的YOLOv5颈部网络及预测头结构
Fig. 8 Modified YOLOv5 neck network and prediction head structure
图9 PANet和BiFPN识别梨花热力图效果对比
Fig. 9 Comparison of thermal diagram effects between PANet and BiFPN
图10 梨花特征可视化部分特征图
Fig. 10 Partial feature maps of pear flower feature visualization
注：1、2、3分别为强光照、阴影、半阴影半强光检测结果；4表示检测失败结果；5表示目标被遮挡检测结果；6表示置信度误差导致的检测结果；7表示异色花蕊检测结果
图11 梨树花序识别结果示例
Fig. 11 Examples of pear inflorescence recognition results
通讯作者简介
吕晓兰 研究员
吕晓兰博士，研究员，江苏省农业科学院果园智能农机装备创新团队首席，江苏省333人才，国家梨产业技术体系副首席、果园耕作机械化岗位科学家，江苏省特色农业机械化专家指导组专家，中国农业机械学会青年工作委员会、中国农业工程学会农业机械化分会委员，全国专业标准化技术委员会委员。南京农业大学、南京林业大学、江苏大学、南京信息工程大学研究生导师。
主持和承担了国家产业技术体系、国家自然科学基金、国家重点研发计划等国家级省部级以上科研项目30余项。发表学术论文58篇，SCI/EI 收录32篇。获授权发明专利28件，实用新型100余件，其中获得软件著作权23项。以第一完成人获江苏农业科技奖一等奖、农业机械科学技术奖二等奖等成果奖4项；参与获得省部级成果奖3项。
转载请联系编辑部授权
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。入群方法：加小编微信331760296，备注：姓名、单位、研究方向，小编拉您进群，机构营销广告人员勿扰。
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
来源：智慧农业资讯一点号
