广西师范大学学报(自然科学版)

2021, v.39(05) 134-146

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进YOLOv4的果园柑橘检测方法研究
Real-time Citrus Recognition under Orchard Environment by Improved YOLOv4

陈文康;陆声链;刘冰浩;李帼;刘晓宇;陈明;

摘要(Abstract):

水果的自动检测是自动采摘、果园喷药、采后分拣等农业应用中的关键技术。针对果园环境中柑橘目标小、噪声多、遮挡严重等问题,本文基于YOLOv4算法提出一种改进的适用于果园环境的柑橘快速识别方法。主要改进措施包括:一是在训练阶段利用Canopy算法和K-Means++算法自动选择先验框的数目和大小;二是在YOLOv4网络中每个不同尺度特征的输出层前增加一个调整层,并采用残差网络结构和密集连接网络相结合,同时修改回归框损失函数,以便检测复杂背景下的小柑橘;三是在保证不造成较大检测精度损失的前提下,对网络中不重要的通道和网络层进行剪枝。与目前常用的YOLOv4、MLKP和Cascade R-CNN等3种目标检测算法的对比实验结果表明,本文改进的YOLOv4算法对果园环境下不同生长期柑橘的检测平均准确率达96.04%,平均检测速度为每张图像0.06 s,均优于对比的3种主流目标检测算法。本文提出的方法可为自然条件下果园中柑橘的采摘、产量评估等应用提供技术和方法指导。

关键词(KeyWords): 柑橘识别;小目标检测;深度学习;改进YOLOv4;卷积神经网络

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金(61762013,62062015);; 广西科技计划项目(2018AD19339);; 广西多源信息挖掘与安全重点实验室系统性研究课题基金(20-A-02-02);; 广西研究生教育创新计划项目(JGY2021037)

作者(Author): 陈文康;陆声链;刘冰浩;李帼;刘晓宇;陈明;

Email:

DOI: 10.16088/j.issn.1001-6600.2020111404

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享