关键词：轻量化;改进YOLOv5;雨滴目标检测;RepVGG模块
摘 要：在现有的基于视觉的智能雨刮系统中，雨滴目标检测模型的参数量多，计算规模大，不利于部署到车载嵌入式设备中。针对上述问题，提出一种改进的轻量级雨滴目标检测模型YOLOv5-RGA。使用轻量化网络RepVGG模块和GhostBottleneck模块替代主干网络的卷积模块和C3模块，改善网络的特征提取能力，降低网络的参数量和计算量。使用Adam优化器代替SGD优化器，加快收敛速度，提高网络模型的平均精度。通过试验验证，与YOLOv5s模型相比，基于YOLOv5-RGA的雨滴目标检测模型的平均精度提高了0.8%，同时模型参数量降低了48.5%，计算量降低了35.2%，模型大小降低了44.4%。轻量级雨滴目标检测模型的应用能大大降低硬件开销，同时也有利于模型的部署。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取