文章详情

摘要

随着智能化战争成为未来战场的胜负核心，嵌入式开发系统对于增强军事行动效能意义重大。为此提出一种基于树莓派的轻量化、高精度的目标检测算法。通过将YOLOv5s中的C3模块替换为轻量化的C3Ghost模块并引入CA注意力机制，经TensorFlow Lite格式转换后成功部署于树莓派。通过对自制数据集的实验对比验证，该算法在嵌入式设备上的mAP@0.5、mAP@0.5:0.95值比原算法YOLOv5s的值提升1.1%、0.8%，内存大小显著降低，FPS值明显提高，且在兼顾精度和速度的前提下，相对比主流算法YOLOv8、YOLOv26具有一定的优势。

关键词

目标识别；YOLOv5s；树莓派；CA注意力机制；C3Ghost

参考文献

1. [1] 王琪，郭灏，周庆洋，等.现代战争中信息化、无人化、智能化的影响及应对策略 [J].军事文摘，2026（1）：7-11.
2. [2] 米增，连哲.面向通用目标检测的YOLO方法研究综述 [J].计算机工程与应用，2024，60（21）：38-54.
3. [3] 薛培友，刘磊，刘瑞阳，等.基于树莓派和YOLO算法的车型检测 [J].聊城大学学报（自然科学版），2025，38（6）：840-852.
4. [4] 秦维彩，秦培亮，梁正龙.基于改进YOLOv5s的轻量化草莓成熟状态检测算法 [J].中国农机化学报，2026，47（2）：86-93.
5. [5] 程佳沛，王旭升，林齐斌，等.改进YOLOv5下的行人车辆多目标识别跟踪检测 [J].现代信息科技，2025，9（17）：73-77，82.
6. [6] HAN K，WANG Y，TIAN Q，et al. GhostNet: More Features from Cheap Operations [C]//Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition，2020：1580-1589.
7. [7] 孟帅.基于改进YOLOv5s的交通标志检测与识别研究 [D].大连：大连交通大学，2023.
8. [8] 林向会，谢本亮.基于TensorFlow Lite平台的实时目标检测 [J].智能计算机与应用，2021，11（2）：80-83，87.
9. [9] 毛昕蓉，徐霄.基于改进YOLOv8s的航拍图像小目标检测算法 [J].微电子学与计算机，2026，43（3）：75-87.
10. [10] 刘英博，马帅旗，程焕.基于改进YOLOv11n的鸟类目标检测算法 [J].激光与光电子学进展，2026，63（16）：226-239.

作者简介

李泽旺（2000—），男，汉族，河北邯郸人，本科在读，研究方向：指挥信息系统工程；马晓丹（1985—），女，汉族，宁夏银川人，副教授，硕士研究生，研究方向：人工智能数据科学。