1.一种基于轻量化YOLOv5s模型的草坪障碍物检测方法，其特征在于：所述检测方法包括以下步骤：(1)采集包含树干、灌木、草坪灯柱及人的图像数据，将采集到的图像数据划分为训练集和测试集，并进行标注；

(2)对目标检测网络模型YOLOv5s模型进行轻量化改进；过程为：(2.1)将YOLOv5s模型中的C3模块Bottleneck结构中第一个1×1卷积输出的特征图划分为4个通道数相等的子集；

(2.2)从第2个子集x2开始进行3×3卷积操作，输出的特征图子集y2与x3相加并输入相应3×3卷积核；得到的输出特征图子集y3与x4相加并输入相应的3×3卷积核，得到输出特征图子集y4；

(2.3)将4组输出的特征图子集y1、y2、y3、y4进行拼接操作；

(2.4)将拼接操作后的特征图子集输入1×1卷积进行特征融合；

(2.5)在1×1卷积后加入SE模块，在通道维度上对原始特征重新标定；

(3)利用训练集对改进后的目标检测网络模型YOLOv5s模型进行训练，获取最优的检测网络模型；过程为：(3.1)设置初始参数，所述参数包括图片输入尺寸、动量参数、权重衰减正则项参数、图片角度变化参数、饱和度与曝光变化参数、色调变化参数、初始学习率以及训练迭代次数；

(3.2)使用自适应锚框法在草坪障碍物数据集中聚类出锚框尺寸；

(3.3)设置参与损失计算的IOU阈值，开启多尺度训练；

(4)使用剪枝方法对步骤(3)中获取的最优检测模型进行剪枝训练；

(5)利用步骤(4)中剪枝训练后的模型对测试集中的图片数据进行检测，并对测试集的检测结果进行检测精度和轻量化评价。

2.根据权利要求1所述的基于轻量化YOLOv5s模型的草坪障碍物检测方法，其特征在于：步骤(1)包括以下内容：(1.1)每个图像类别至少采集1000份图像数据；

(1.2)进行数据集清理；

(1.3)对数据集进行YOLO格式标注；

(1.4)将人类图像数据按照设定比例划分为训练集和测试集。

3.根据权利要求1所述的基于轻量化YOLOv5s模型的草坪障碍物检测方法，其特征在于：步骤(4)包括以下内容：(4.1)加载步骤(3)中改进后的模型参数，即筛选出多个滤波器；

(4.2)对每个滤波器中的所有卷积核计算该卷积核与其他卷积核的欧氏距离之和，并按从小到大的顺序裁剪掉N×剪枝率个卷积核；N代表卷积核总数；

(4.3)对剪枝过的模型进行调整训练一个epoch，并将裁剪掉的卷积核梯度强制为0；

(4.4)对步骤(4.2)和(4.3)迭代多次后得到含零剪枝模型；

(4.5)对步骤(4.4)的剪枝模型进行去零操作，得到剪枝后的改进YOLOv5s模型。

4.根据权利要求1所述的基于轻量化YOLOv5s模型的草坪障碍物检测方法，其特征在于：步骤(5)中，以数据集中4种目标类别的平均精度均值mAP作为检测精度的评价指标。

5.根据权利要求1所述的基于轻量化YOLOv5s模型的草坪障碍物检测方法，其特征在于：步骤(5)中，将模型参数量、帧率、模型权重大小、推理速度作为轻量化的评价指标。

6.根据权利要求1所述的基于轻量化YOLOv5s模型的草坪障碍物检测方法，其特征在于：步骤(4)中，使用基于中位数的滤波器剪枝方法对步骤(3)中获取的最优检测模型进行剪枝训练。

7.根据权利要求2所述的基于轻量化YOLOv5s模型的草坪障碍物检测方法，其特征在于：步骤(1.3)中，使用LabelImg软件对数据集进行YOLO格式标注。

8.根据权利要求1所述的基于轻量化YOLOv5s模型的草坪障碍物检测方法，其特征在于：步骤(2.3)中，所述特征图子集y1、y2、y3、y4用下式表示：