近日，山东省农业科学院茶叶研究所与中茶所、浙理工在中科院1区Top期刊《Computers and Electronics in Agriculture》（IF=6.757）上合作发表了题为“A lightweight tea bud detection model based on Yolov5”的论文，系统报道了名优茶芽叶智能精准识别采摘技术研究。茶叶所董春旺研究员及其联培硕士研究生桂志勇为该论文第一通讯作者和第一作者。文章链接：https://doi.org/10.1016/j.compag.2023.107636
茶芽检测技术对于实现茶芽采摘的自动化和智能化具有重要意义。针对传统图像处理的方法识别茶芽精度低、计算量大、检测模型尺寸大等问题，不利于检测模型在移动终端的部署，提出一种基于深度学习算法Yolov5的轻量化茶芽检测模型，大大减少了模型的参数和浮点运算，有效且显着地减少了模型的尺寸大小，同时确保了该模型对茶芽具有很高的检测精度。通过深度学习技术对茶芽进行识别的方法还存在检测精度低、检测速度慢、模型计算量大、模型尺寸大等问题。
本研究对深度学习模型Yolov5进行分析，通过引入轻量级Ghost_conv卷积操作实现模型的轻量化，通过引入BAM注意力机制和多尺度加权特征融合提高模型检精度，通过改进模型预测框损失函数使模型在评估茶芽的预测损失更加准确，从而提高模型检测性能。 最终构建了一种基于Yolov5的轻量化茶芽检测模型。该模型的茶芽检测帧率为29.509 FPS，精确率（P）达88.72%，召回率（R）达87.99%，平均准确率（AP）为92.66%。此研究为茶芽检测算法的优化方向提供了新思路，在实验结果上表现良好，为采茶智能化的发展做出了贡献。（撰写：贾厚振 核稿：董春旺）
