(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210750124.6 (22)申请日 2022.06.29 (71)申请人 江苏大学 地址 212013 江苏省镇江市京口区学府路 301号 (72)发明人 黄娟　张伟　顾寄南　方新领　 唐熠君　 (74)专利代理 机构 南京智造力知识产权代理有 限公司 32382 专利代理师 张明明 (51)Int.Cl. G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于改进YOLOv5目标检测的茶叶嫩梢 识别方法 (57)摘要 本发明提供了一种基于改进YOLOv5目标检 测的茶叶嫩梢识别方法， 实时采集茶叶嫩芽图像 并进行图像预处理， 再输入到改进的YOL Ov5目标 检测模块， 改进的YOL Ov5目标检测算法模 块包括 在特征提取阶段改进的主干特征提取网络和改 进的加权双 向特征金字塔BiFPN模块， 改进的加 权双向特征金字塔BiFPN模块用于特征融合， 最 后输入到H ead预测输出网络， 获得预测结果并输 出识别图像的预测框。 本发明适用于茶叶嫩梢等 小目标物体的精准识别。 权利要求书2页 说明书5页 附图4页 CN 115147648 A 2022.10.04 CN 115147648 A 1.一种基于改进YOLOv5目标检测的茶叶嫩梢识别方法， 其特 征在于： 将预处理后的图像输入到改进的YOLOv5目标检测算法模块进行 特征提取和特 征融合； 所述改进的YOLOv5目标检测算法模块包括在特征提取阶段改进 的主干特征提取网络 和改进的加权双向特征金字塔BiFPN模块； 所述主干特征提取网络第一层利用卷积核+标准 化+激活函数CBL对预处理后的图像进行特征提取、 高宽压缩和通道扩充， 利用残差模块对 第一层的特 征进行提取， 再依次经 过多个残差模块输出提取的特 征； 将多个残差模块输出的特征输入改进的加权双向特征金字塔BiFPN模块进行特征融 合， 所述改进的加权双向特征金字塔BiFPN模块包括上采样 部分和下采样部分， 所述上采样 部分包括两组相同操作： 通道调整、 上采样、 拼接相同尺寸特征图和特征加强， 所述下采样 部分输入主干特征提取网络输出的尺寸最大特征， 进行卷积特征提取、 CSPNet特征提取和 特征加强， 再进行三组相同操作： 通道调整、 下采样、 拼接相同尺寸特征图、 特征提取、 特征 加强和输出 特征； 所述改进的加权双向特征金字塔BiFPN模块进行特征融合的特征输入Head预测输出网 络， 利用卷积调整通道数， 获得预测框与得分， 再进行得分筛选与非极大抑制， 在图像上绘 制预测框并输出。 2.根据权利要求1所述的茶叶嫩梢识别方法， 其特征在于， 最后一个残差模块由激活函 数CBL+改进空间池化金字塔S PP模块+CS PNet组成。 3.根据权利要求2所述的茶叶嫩梢识别方法， 其特征在于， 所述改进空间池化金字塔 SPP模块将一个最大池化层替换为平均池化层。 4.根据权利 要求2所述的茶叶嫩梢识别方法， 其特征在于， 所述CSPNet包括主干部分和 大残差边部 分， 在主干部 分， 先对特征进 行通道整合再输入多个卷积核组成的残差结构中， 在大残差边部分， 将CS PNet的输入与主干 部分的输出进行相接， 然后进行通道整合。 5.根据权利要求1所述的茶叶嫩梢识别方法， 其特征在于， 所述特征加强采用空间通道 注意力模块进行。 6.根据权利要求5所述的茶叶嫩梢识别方法， 其特征在于， 所述空间通道注意力模块包 括通道注意力子模块和空间注意力子模块， 所述通道注意力子模块将输入按通道进行全局 最大池化和均值池化后， 分别送入一个两层的神经网络得到两个特征， 将所述两个特征相 加经激活函数得到权重系数Mc， 再将权重系数Mc和输入相乘， 得到输出特征F； 所述空间注 意力子模块输入特征F， 分别进 行一个通道维度的平均池化和最大池化， 得到两个的特征并 拼接， 然后经过卷积操作， 再经过激活函数得到权重系数Ms， 将所述权重系数Ms和特征F相 乘， 得到最终的特 征。 7.根据权利要求1所述的茶叶嫩梢识别方法， 其特征在于， 所述残差模块个数为4个， 输 入改进的加权双向特 征金字塔BiFPN模块的特 征个数为 4。 8.一种实现权利要求1 ‑7任一项所述的茶叶嫩梢识别方法的系统， 其特 征在于， 包括： 图像预处 理模块， 用于对 采集的茶叶嫩稍图像进行 预处理； 改进的YOLOv5目标检测算法模块， 包括在特征提取阶段改进的主干特征提取网络和改 进的加权双向特征金字塔BiFPN模块， 分别用于对预处理后的图像进行特征提取和特征融 合； 预测输出模块， 用于对融合后的特 征进行分类回归并在图像上输出 预测框。权　利　要　求　书 1/2 页 2 CN 115147648 A 29.一种电子设备， 其特 征在于， 包括存 储器和处 理器； 所述存储器用于存 储计算机程序； 所述处理器用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1 ‑7 任一项所述的茶叶嫩梢识别方法。 10.一种存储介质， 其特征在于， 所述存储介质存储有计算机程序， 所述计算机程序被 处理器执行时使所述处 理器执行如权利要求1 ‑7任一项所述的茶叶嫩梢识别方法。权　利　要　求　书 2/2 页 3 CN 115147648 A 3