YOLOv5改进策略|YOLOv5草莓成熟度检测,YOLOv5s-Straw在未成熟模型中的平均精度为82.1% 其中，近成熟级为73.5%，成熟级为86.6%，分别提高2.3%和3.7%

        草莓检测是视觉引导机器人采摘过程中的关键步骤之一， 为采摘操纵系统提供水果的精确位置、姿态和成熟度。 对具有多个成熟度级别的草莓的错误检测和/或定位会导致质量不佳 机器人采摘的性能和/或导致水果损伤或不必要的错误采摘水果 机器人收获期间处于未成熟或接近成熟阶段的成熟度。本研究提出了一个基于 YOLOv5 的自定义对象检测模型，用于检测室外环境中的草莓。 YOLOv5s原有架构进行修改，将C3模块替换为C2f 主干网络中的模块，提供了更好的特征梯度流。其次，空间 YOLOv5s主干网络最后一层的Pyramid Pooling Fast与 跨阶段部分网络提高了草莓数据集的泛化能力 学习。所提出的架构被命名为 YOLOv5s-Straw。 RGB图像数据集 草莓树冠分为三个成熟度等级(未成熟、近成熟和成熟) 开放场环境并通过一系列操作进行增强，包括亮度降低、 亮度增加，噪声增加。验证该方法在草莓上的优越性 旷场环境下的检测，四种有竞争力的检测模型(YOLOv3-tiny、YOLOv5s、 YOLOv5s-C2f 和 YOLOv8s)在相同