基于改进YOLOv5的无人驾驶农业车辆视觉检测.pdfVIP

2024年1月上SouthForum南方论坛21

基于改进YOLOv5的无人驾驶农业车辆视觉检测

杨明瑞，古玉锋

（长安大学道路施工技术与装备教育部，陕西西安710064）

摘要：【目的】机械化、智能化、信息化是现代农业的发展方向，为了解决无人驾驶农业车辆环境感知这一难题，实现对车

辆前方目标的实时视觉检测，提出一种基于改进YOLOv5的轻量化目标检测算法。【方法】采用轻量化的Ghost模块替换网

络中原有的卷积层，极大地降低模型的参数量；修改颈部网络结构，增设新的检测层，增强网络对小目标的检测能力；引入

CARAFE算子，提升网络对语义信息的提取能力；通过TensorRT对改进后的网络模型进行优化后，将其部署在JetsonNano嵌

入式平台上。【结果】改进后的算法在KITTI数据集上检测精度达到91.3%，参数量显著降低44.3%，并且在嵌入式平台上可

以实现实时运行。【结论】改进后的算法可以在保证轻量化的前提下，很好地实现农业车辆对前方行人、车辆等目标的检测，

具有一定的现实意义和应用价值。

关键词：无人驾驶；目标检测；YOLOv5

中图分类号：S22；TP391.4文献标志码：ADOI：10.3969/j.issn.1672-3872.2024.01.006

随着社会的快速发展，传统的农用机械已无法满嵌入式设备上，但受限于硬件设备的内存和计算资

[1]

足现代农业发展的需要。智能化、信息化已成为现源，卷积神经网络庞大的参数量对于模型的嵌入式部

[2]

代农业的发展趋势。无人驾驶农业车辆作为农业署是不利的。因此，本文提出结合GhostNet的基本

智能化的重要体现，能够缓解我国劳动力短缺的现思想[7]，优化YOLOv5网络中的卷积块。

[3]

状，实现高效的农业生产。目标检测作为无人驾驶GhostNet是一种轻量化的卷积神经网络，其核心

[4]

中的关键技术，已经成为当今的研究热点。检测算Ghost模块能够以一种更高效的方式提取冗余的特征

法能否准确识别车辆前方的行人和其他车辆直接关映射，Ghost模块基本结构如图1所示。

系到无人驾驶农业车辆的安全性与可靠性。同时，无

Identity

人驾驶农业车辆受限于硬件成本，也增大了相关算法

的部署难度，现有算法难以很好地适配。因此，本文1

ConvConcat

提出一种基于改进YOLOv5的目标检测算法，在保2

证检测精度的前提下，大大降低了模型的参数量，并3

将其部署在低算力嵌入式设备上，实现无人驾驶农业

车辆对前方路况中交通目标的实时检测。

1方法图1Ghost模块

1.1YOLOv5目标检测算法Ghost模块首先对特征图进行通道的压缩，再对

YOLO系列算法凭借其优异的性能，在工业、医处理后的特征图进行线性变换，最后将以上两步生成

学、交通