彭 炫 ，周建平 ※，許 燕 ，席光澤

（1. 新疆大學(xué)機械工程學(xué)院，烏魯木齊 830017；2. 新疆維吾爾自治區(qū)農(nóng)牧機器人及智能裝備工程研究中心，烏魯木齊 830017）

0 引言

棉花是中國僅次于糧食的第二大作物，是關(guān)系到國計民生的重要資源。近年來，棉花種植主要依靠人工，勞動力短缺、機械智能化生產(chǎn)程度低等問題仍需解決，因此中國的棉花產(chǎn)量仍有很大提升空間[1-5]。棉花打頂是棉田作業(yè)過程中的重要環(huán)節(jié)，脫離人工打頂促進智能機械化打頂是降低成本、提升棉花生產(chǎn)效率的重要手段。對于棉花打頂機器人的設(shè)計，首要任務(wù)是解決復(fù)雜棉田環(huán)境中不損傷棉花蕾，精準驅(qū)動激光去除頂芽是其重中之重，因此精準識別定位棉花頂芽是關(guān)鍵環(huán)節(jié)。

近年來，隨著Fast R-CNN、YOLO 系列等[6-9]經(jīng)典目標檢測算法不斷迭代更新，其迅速在各個領(lǐng)域得到了廣泛應(yīng)用。國內(nèi)外研究學(xué)者針對目標檢測技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用進行了廣泛的研究。KOIRALA 等[10]為驗證芒果發(fā)育階段影響開花數(shù)量，使用YOLOv3 算法在芒果發(fā)育階段自動檢測圓錐花序數(shù)量，但YOLOv3 檢測物體的實時性較慢。劉海濤等[11]為實現(xiàn)非接觸、低成本、精準識別棉花頂芽，提出一種基于YOLOv4 模型的復(fù)雜環(huán)境下棉花頂芽識別方法，然而該設(shè)計對頂芽了解不夠全面，并沒有對頂芯進行識別，造成頂芽識別率過低，打頂效果不佳。JIA 等[12-13]改進了Mask RCNN 算法，提升了樹葉遮擋等復(fù)雜環(huán)境下蘋果識別的準確度，但是Mask RCNN 模型為一階段檢測模型，較比YOLO 模型檢測效率較低。朱旭等[14]采用Fast R-CNN 模型算法在惡劣環(huán)境下對藍莓進行識別，目標檢測準確率和效率明顯提高，但是Fast R-CNN 算法需要采集大量的數(shù)據(jù)訓(xùn)練模型，在樣本不足的時檢測準確度明顯降低。李天華等[15-16]設(shè)計了一種基于YOLOv4 的改進算法，實現(xiàn)了對復(fù)雜環(huán)境下的番茄識別定位，能夠有效解決果實遮擋、光照影響下番茄識別準確率低的問題，但訓(xùn)練成本過大，檢測幀數(shù)過低，模型計算量過大，不便于模型輕量化運行。CHEN等[17]為提升茶蕾識別定位精度，保證茶蕾采摘的完整率，設(shè)計了一種基于YOLOv3 的改進茶蕾識別算法模型，該模型能在光照變化和部分遮擋等復(fù)雜環(huán)境下識別茶蕾并定位采摘點。茶蕾與棉花頂芽同樣是小目標農(nóng)作物，但YOLOv3 檢測算法對小目標提取效果并不理想，該算法識別的準確率有待加強。薛月菊等[18]針對果園場景下光照的多樣性、背景的復(fù)雜性及芒果與樹葉顏色的高度相似性，特別是樹葉和枝干對果實遮擋及果實重疊等問題，提出了改進YOLOv2 檢測方法，但由于YOLOv2 模型過大，識別效果和檢測速度不夠理想。樊湘鵬等[19]為建立高效、準確的葡萄葉部病害檢測系統(tǒng)，引入遷移學(xué)習(xí)機制，利用大型公開數(shù)據(jù)集對VGG16 模型預(yù)訓(xùn)練，保持模型前端13 個層等參數(shù)和權(quán)重不變，對全連接層和分類層改進后利用新數(shù)據(jù)集微調(diào)訓(xùn)練模型，雖然能夠完成對葡萄葉部病蟲害識別，但訓(xùn)練成本過大，檢測速度較慢。

基于此，上述研究學(xué)者在目標檢測技術(shù)存在小目標檢測精度低、實時檢測慢、模型計算量大等問題，本文對復(fù)雜環(huán)境下對棉花頂芯識別為研究對象，本文選用YOLOv5s 模型，針對以上述問題進行優(yōu)化，設(shè)計一種基于YOLOv5s 的改進棉花頂芽識別模型，為棉花機械化打頂提供視覺識別研究基礎(chǔ)。

1 試驗數(shù)據(jù)獲取

棉花頂芽數(shù)據(jù)采集地于新疆生產(chǎn)建設(shè)兵團第八師143 團棉花基地，品種為新路早50，采集設(shè)備為索尼A7M3 全高清攝像機，為采集真實環(huán)境的復(fù)雜棉花頂芽數(shù)據(jù)，不同光照和不同天氣條件下均分為單株頂芽、多株頂芽、遮擋頂芽3 種類別進行拍攝，共采集到1 360張頂芽圖像，經(jīng)篩選后得到506 張清晰頂芽圖像（其中不同光照156 張，不同天氣150 張，不同遮擋頂芽面積200 張），經(jīng)數(shù)據(jù)增強（平移、翻轉(zhuǎn)、剪切、降噪、縮放比例、亮度增強）擴充到3 103 張圖像，隨機抽取2 663 張作為訓(xùn)練集，240 張作為驗證集，200 張作為測試集，圖1 為棉花頂芽樣本數(shù)據(jù)。

2 YOLOv5s 檢測算法改進

2.1 YOLOv5-CPP 模型

使用YOLOv5s 目標檢測算法對棉花頂芽數(shù)據(jù)集進行訓(xùn)練，在復(fù)雜環(huán)境下棉花頂芽識別效果并不理想。隨著網(wǎng)絡(luò)層的加深，小目標信息逐漸丟失，同時由于YOLOv5s 算法中原有3 個檢測頭，對多尺度目標特征信息提取效果不佳，尤其對棉花頂芽小目標檢測識別會出現(xiàn)錯檢漏檢的問題。為了實現(xiàn)頂芽較好的檢測效果，以YOLOv5s 目標檢測算法為基礎(chǔ)，將主干網(wǎng)絡(luò)得第2 層引出第4 個目標檢測頭，因淺層含有特征信息更加豐富，為避免隨著網(wǎng)絡(luò)加深信息丟失，將淺層與深層提取到的特征信息進行融合，解決小目標特征信息隨著網(wǎng)絡(luò)結(jié)構(gòu)加深信息丟失問題，避免特征提取不充分。由于在改進的YOLOv5s 結(jié)構(gòu)中增加目標檢測層會使模型的計算量加大，因此在原有目標檢測網(wǎng)絡(luò)中，需要設(shè)計一種既能解決模型參數(shù)量問題又能解決對小目標提取效果好的模塊來代替C3 模塊。經(jīng)試驗分析，CPP-CBAM 注意力機制為最佳模塊，將CPP-CBAM 加入到第13 層得到棉花頂芽最佳目標檢測模型，圖2 為YOLOv5-CPP 目標檢測模型改進結(jié)構(gòu)圖。

圖2 YOLOv5-CPP 模型結(jié)構(gòu)圖Fig.2 The YOLOv5-CPP model structure figure

2.2 CPP-CBAM 注意力機制模塊

CPP-CBAM 注意力機制模塊如圖3 所示，C3 卷積核結(jié)構(gòu)分為兩個分支，第一分支將特征圖先升維后降維然后與第二分支網(wǎng)絡(luò)進行特征融合，特征融合后特征圖再進入通道模塊，最大池化層Maxpool 以及平均池化層AvgPool 將特征圖變成兩個矩陣[C，1，1]的權(quán)重向量，兩個拼接的權(quán)重向量經(jīng)過MLP 網(wǎng)絡(luò)獲取到通道的權(quán)重值，增加原特征圖的特征通道數(shù)，通道數(shù)得到兩個激活函數(shù)，將兩個輸出結(jié)果的每個元素相加，再由Sigmoid 激活函數(shù)過濾掉冗余過多頂芽特征，按權(quán)重重要程度先進行篩選特征圖，篩選出的特征圖在再經(jīng)過空間模塊Maxpool最大池化以及平均池化層AvgPool，形成一個[1，H，W]的權(quán)重向量，由于CBAM 模塊多數(shù)經(jīng)過1×1 卷積核、最大池化層以及平均池化層操作，能夠壓縮特征通道維度，將復(fù)雜的模型特征通道數(shù)大大減少，達到增加注意力機制后，目標檢測模型參數(shù)也減少的目的。

圖3 注意力機制圖Fig.3 Attention mechanism figure

2.3 分類 Focal Loss 損失函數(shù)

機械打頂作業(yè)過程中由于棉田環(huán)境復(fù)雜，棉花頂芽被葉片嚴重遮擋，給機器對頂芽識別帶來困難，為了使預(yù)測框回歸到真實框速度加快，因此考慮將CIOU[20]損失函數(shù)替換為SIOU[21]損失函數(shù)。GIOU[22]、DIOU[23]、CIOU 損失函數(shù)只考慮了預(yù)測框與真實框的寬高比，并沒有考慮到它們之間的方向，易退化成IOU 損失函數(shù)，導(dǎo)致頂芽識別率精確度下降，式（1）SIOU 損失函數(shù)引入了真實框與預(yù)測框之間的向量角，其包含式（2）角度損失函數(shù)式、式（3）距離損失函數(shù)式、式（4）形狀損失函數(shù)。

式中 γ為賦予時間的距離值，ρx為真實框與預(yù)測框中心點和最小外接框?qū)挶戎档钠椒?，ρy為真實框與預(yù)測框中心點和最小外接框高比值的平方，式（3）θ為控制對形狀損失的關(guān)注程度，t、w、h代表真實框與預(yù)測框的寬與高，為預(yù)測框的寬與高，接近4 才能避免過度關(guān)注形狀損失函數(shù)。

2.4 系統(tǒng)平臺與評價指標

試驗運行環(huán)境操作系統(tǒng)為 Windows 10（64 位），內(nèi)存為16 GB，顯卡驅(qū)動 RTX2060 SUPRER，搭載12 th Gen Intel(R) Core(TM) i5-9400F 2.90 GHz 處理器，編程平臺Anaconda 4.12.0，CUDA 11.6，開發(fā)環(huán)境 PyTorch，編程使用Python3.8，通過精確率（Precision,P），召回率（Recall,R）。

式中TP表示正樣本預(yù)測出來正確的框，F(xiàn)P表示負樣本預(yù)測出正樣本的框，F(xiàn)N表示從正樣本預(yù)測出負樣本的數(shù)量，TP+FP表示正樣本預(yù)測出來正確的框加上負樣本預(yù)測出正樣本的框，也就是表示預(yù)測框的個數(shù)。TP+FN表示正樣本預(yù)測出來正確的框加上正樣本預(yù)測出負樣本的數(shù)量也就是標注框的個數(shù)。

3 結(jié)果與分析

3.1 內(nèi)部參數(shù)對模型的影響

為測試出YOLOv5s 模型的最佳內(nèi)部參數(shù)，即不同批量大小對YOLOv5s 的影響，在訓(xùn)練時利用github 官網(wǎng)提供的 YOLOv5.pt 預(yù)訓(xùn)練權(quán)重，通過自制YOLO 格式棉花頂芽數(shù)據(jù)集，模型設(shè)置圖像大小為640×640 分辨率，訓(xùn)練輪次設(shè)置為150，以及初始學(xué)習(xí)率為0.01，采用Adam 優(yōu)化器，分別設(shè)置不同批量大小分別為10、12、15、17、20、25 進行訓(xùn)練，試驗結(jié)果如表1 所示。通過數(shù)據(jù)對比可以看出，在相同迭代周期內(nèi)，批量Batch size 設(shè)置為20 時效果最好，即使平均準確率mAP 達到了90.3%，圖片測試驗證效果可看出，未改進的目標檢測模型仍有提升空間。

表1 內(nèi)部參數(shù)對模型的影響Table 1 Effect of batch size on model

3.2 不同注意力機制對模型的影響

為測試不同注意力機制對模型的影響，分別將不同注意力機制加入到Y(jié)OLOV5s 目標檢測模型第13 層，將C3 模塊更換為SE、BotNet[24]、CotNet[25]、C2f、CCA、CCP-CBAM 6 種注意力機制模塊，YOLOv5-CPP 與其他5 種模型對比結(jié)果如表2 所示，YOLOv5-CPP 檢測平均準確率mAP 上升2.5、1.6、1.7、0.8、1.4 個百分點，而YOLOv5-SE、YOLOv5-BotNet、YOLOv5-CotNet、YOLOv5-CCA 這4 種模型檢測單株頂芽的平均精度值分別降低了1.1、0.1、0.3、0.4 個百分點，說明在棉花頂芽數(shù)據(jù)集上SE、BotNet、CotNet、CCA 注意力機制抑制了棉花頂芽的通道特征，造成總體識別頂芽精度下降，相反YOLOv5-CPP 精度上升比例最大，進一步說明了CPPCBAM 自注意力機制經(jīng)過空間模塊與通道模塊，對重要特征進行數(shù)值編碼，強化了各特征之間的關(guān)系，降低了對全局注意力計算的結(jié)果，更加注重頂芽特征，因此CPP-CBAM 注意力機制在3 種樣本上效果均有所改善，尤其是對遮擋頂芽這種數(shù)量多的樣本改善效果更加明顯，因此得出CPP-CBAM 注意力機制既能夠解決在復(fù)雜情況下對小目標在復(fù)雜環(huán)境下的特征提取任務(wù)。

表2 各個注意力機制模型對比Table 2 Comparison of attention mechanism models

3.3 注意力機制不同位置加入模型對比分析

為測試CPP-CBAM 注意力機制對模型的影響，本試驗通過將注意力機制CPP-CBAM 插入到不同網(wǎng)絡(luò)層中，測試出模型的檢測速度與平均準確率，試驗效果見表3，第13 層分別加入CPP-CBAM 注意力機制之后，較比插入到1、3、5、9、20 層平均準確率mAP 明顯有所提升，因為隨著網(wǎng)絡(luò)加深，第13 層C3 模塊對特征圖處理效果較比CPP-CBAM 注意力機制特征提取能力較弱，淺層小目標信息較為豐富，C3 模型尚且能夠?qū)π∧繕诵畔⑻卣鬟M行提取，但是隨著網(wǎng)絡(luò)加深小目標信息丟失，C3 模塊逐漸對小目標的特征提取效果不理想，因此可以推出第13 層插入CPP-CBAM 注意力機制效果最佳。

表3 不同層加入注意力機制對模型的影響Table 3 The effect of different layers adding attention mechanisms on the model

3.4 與其他模型對比分析

與其他模型對比結(jié)果見表4 所示，

表4 各個檢測模型對比Table 4 Comparison of each loss function

為驗證YOLOv5-CPP 模型在棉花頂芽數(shù)據(jù)集上檢測效果，本文分將YOLOv3[26]、YOLOv5s、YOLOv6[27]、Fast-RCNN 這4 種網(wǎng)絡(luò)模型在棉花頂芽數(shù)據(jù)集上進行訓(xùn)練，在相同迭代次數(shù)內(nèi)，YOLOv3、YOLOv5s、YOLOv6、Fast-RCNN 這4 種網(wǎng)絡(luò)模型對數(shù)據(jù)集進行提取特征的效果并不理想，進一步說明網(wǎng)絡(luò)模型中模型對頂芽部分特征提取不到位，導(dǎo)致檢測精度不高。將CPP-CBAM 注意力機制加入到Y(jié)OLOv5s 模型中，并改進邊界框回歸損失函數(shù)，對比4 種網(wǎng)絡(luò)模型在棉花頂芽的訓(xùn)練情況，得出改進YOLOv5s 的mAP 值比YOLOv3、YOLOv5s、YOLOv6s、Faster-RCNN-tiny 模型分別高出3.3、2、2.4、2.1 個百分點，同時模型參數(shù)量分別減少57.3、3.5、34.1、26.3 MB，但檢測速度并未達到實時檢測棉花頂芽的幀率。

3.5 Jetson nano 部署試驗分析

為測試YOLOv5-CPP 模型移植到試驗樣機實時檢測頂芽的效果，將YOLOv5-CPP 與YOLOv5s、YOLOv5-CotNet、YOLOv5-BotNet 3 種模型進行對比分析，4 種模型檢測棉田同一區(qū)域被遮擋頂芽，如圖4 所示。通過測試頂芽圖可以發(fā)現(xiàn)，YOLOv5s、YOLOv5-BotNet、YOLOv5-CotNet 模型識別遮擋的頂芽分別漏檢頂芽個數(shù)為5、5、2，同時YOLOv5-BotNet 錯檢1 個頂芽，YOLOv5-CPP 檢測模型（圖4d）較比 YOLOv5-CotNet檢測模型（圖4c）檢測遮擋的頂芽，平均準確度mAP分別提升15、29 個百分點，YOLOv5-CPP 模型魯棒性進一步加強，模型識別準確度大幅度提升，同時在TensorRT 加速情況下檢測速度達到了52 幀/s，滿足實時檢測的效果，在遮擋情況下的頂芽基礎(chǔ)上識別率、模型的魯棒性進一步提升，驗證了對遮擋情況的下頂芽有提升的效果。

4 結(jié)論

本文在復(fù)雜環(huán)境識別遮擋下的棉花頂芽，建立不同不同光照和不同天氣條件下的棉花頂芽樣本，通過增加小目標檢測層提高淺層與深層的特征融合，提升檢測精度通過增加小目標檢測層，并且添加注意力機制，同時改進Focss Loss 損失函數(shù)，提升棉花頂芽樣本識別率，并通過棉花打頂平臺驗證不同檢測模型對棉花頂芽識別，得到以下幾個結(jié)論：

1）通過在模型特征提取層增加小目標檢測層以及YOLOv5-CPP 并 與 YOLOv5-SE、YOLOv5-BotNet、YOLOv5-CotNet、YOLOv5-C2f、YOLOv5-CCA 5 種 模型進行對比，平均準確度mAP 分別提高了2.5、1.6、1.7、0.8、1.4 個百分點，尤其在識別被遮擋頂芽平均精度AP分別提高了4.3、4.4、4.3、1.9、1.9 個百分點，充分驗證在模型特征提取層增加 CPP-CBAM 注意力機制能夠完成在復(fù)雜情況下的頂芽精確識別。

2）本文通過對YOLOv5 模型改進，YOLOv5-CPP 不均衡各類樣本 檢測精度mAP 達到了92.8%，比YOLOv5s模型提高了2 個百分點，與YOLOv3、YOLOv6、Fast RCNN 相比，mAP 分別提高了3.3、2.4、2.1 個百分點，分析得出YOLOv5-CPP 對復(fù)雜情況下樣本檢測優(yōu)勢明顯。

YOLOv5-CPP 模型在復(fù)雜背景下識別精度、魯棒性大幅度提升，模型的檢測速度雖然降低，但YOLOv5-CPP 模型通過 TensorRT 加速后經(jīng)過實地驗證后可以滿足棉花打頂實時識別檢測要求，而且對于棉花打頂機而言，在保證識別準確率的前提下，提升速度指標，是保障機械作業(yè)效率的前提，為模型在棉花打頂機械上的遷移部署提供技術(shù)支持。