[发明专利]改进YOLOv5目标检测模型构建方法及用于茶嫩芽识别与采摘点定位方法

权利要求书

1.一种改进的YOLOv5目标检测模型构建方法，其特征在于，包括如下部分：

步骤1，构建改进的YOLOv5目标检测模型结构，包括Backbone模块、Neck模块、Detecthead模块和Segment head模块；

所述Backbone模块包括Focus结构和改进的CSPDarknet53结构；改进的CSPDarknet53结构是在DarkNet53网络的基础上引入了Nonlinear mapping结构，对特征图进行特征提取；改进的CSPDarknet53结构包括CBL模块、第一CSP1_X模块、第二CSP1_X模块、第一CSP_Res8模块、第二CSP_Res8模块、第一Nonlinear mapping模块、第一Nonlinear mapping模块构成；改进的CSPDarknet53结构的输入依次经过CBL模块、第一CSP1_X模块、第二CSP1_X模块，第二CSP1_X模块的输出一方面输入第一Nonlinear mapping模块得到特征图，另一方面输入第一CSP_Res8模块；CSP_Res8模块的输出一方面输入第二Nonlinear mapping模块得到特征图；另一方面输入第二CSP_Res8模块得到特征图。

Neck模块包括空间金字塔池模块SPP、3个注意力模块CBAM和特征金字塔网络FPN组成；

Detect head模块包括路径聚合网络PANet和YOLOv5目标检测头；

Segment head模块的输入是FPN的底层特征图，输出采摘区域的像素级语义分割图。

步骤2，准备训练数据集，并利用训练数据集对改进的YOLOv5目标检测模型进行训练。

2.根据权利要求1所述的一种改进的YOLOv5目标检测模型构建方法，其特征在于，第一CSP1_X模块含有1个残差块Res unit，记为CSP1_1；由CBL模块、1个残差块Res unit、卷积层Conv、Concat、批归一化层、非线性激活函数Leaky relu和CBL模块组成；第二CSP1_X模块含有5个残差块Res unit，记为CSP1_5；由CBL模块、5个残差块Res unit、卷积层Conv、Concat、批归一化层、非线性激活函数Leaky relu和CBL模块组成。

3.根据权利要求1所述的一种改进的YOLOv5目标检测模型构建方法，其特征在于，Nonlinear mapping模块是由卷积层Conv和非线性激活函数Leaky relu组成。

4.根据权利要求1所述的一种改进的YOLOv5目标检测模型构建方法，其特征在于，CSP_Res8模块由8个Res unit模块和CBM组件Concate张量拼接组成。

5.根据权利要求1所述的一种改进的YOLOv5目标检测模型构建方法，其特征在于，CBL模块是由卷积层Conv、批归一化层和非线性激活函数Leaky relu组成。

6.根据权利要求1-5中任意一项权利要求所述的一种改进的YOLOv5目标检测模型构建方法，其特征在于，

将Backbone模块的最后一层的输出特征图作为空间金字塔池模块的输入，空间金字塔池模块的输出经过第一注意力模块的处理；

将Backbone模块的倒数第二层的输出特征图作为第二注意力模块的输入；

将Backbone模块的倒数第三层的输出特征图作为第三注意力模块的输入。

7.根据权利要求6所述的一种改进的YOLOv5目标检测模型构建方法，其特征在于，

第一注意力模块的输出结果输入进特征金字塔网络的顶层；

第二注意力模块的输出结果输入进特征金字塔网络的第二层；

第三注意力模块的输出结果输入进特征金字塔网络的第三层。