收藏本站
收藏 | 投稿 | 论文排版

基于改进YOLOv4-Tiny的蓝莓成熟度识别方法

王立舒  秦铭霞  雷洁雅  王小飞  谭克竹  
【摘要】:为实现自然环境下蓝莓果实成熟度的精确快速识别,该研究对YOLOv4-Tiny网络结构进行改进,提出一种含有注意力模块的目标检测网络(I-YOLOv4-Tiny)。该检测网络采用CSPDarknet53-Tiny网络模型作为主干网络,将卷积注意力模块(Convolution Block Attention Module,CBAM)加入到YOLOv4-Tiny网络结构的特征金字塔(Feature Pyramid Network,FPN)中,通过对每个通道的特征进行权重分配来学习不同通道间特征的相关性,加强网络结构深层信息的传递,从而降低复杂背景对目标识别的干扰,且该检测网络的网络层数较少,占用内存低,以此提升蓝莓果实检测的精度与速度。对该研究识别方法进行性能评估与对比试验的结果表明,经过训练的I-YOLOv4-Tiny目标检测网络在验证集下的平均精度达到97.30%,能有效地利用自然环境中的彩色图像识别蓝莓果实并检测果实成熟度。对比YOLOv4-Tiny、YOLOv4、SSD-MobileNet、Faster R-CNN目标检测网络,该研究在遮挡与光照不均等复杂场景中,平均精度能达到96.24%。平均检测时间为5.723 ms,可以同时满足蓝莓果实识别精度与速度的需求。I-YOLOv4-Tiny网络结构占用内存仅为24.20 M,为采摘机器人与早期产量预估提供快速精准的目标识别指导。

知网文化
【相似文献】
中国期刊全文数据库 前17条
1 胡嘉沛;李震;黄河清;洪添胜;姜晟;曾镜源;;采用改进YOLOv4-Tiny模型的柑橘木虱识别[J];农业工程学报;2021年17期
2 ;真假果苗识别方法[J];河南林业科技;1993年04期
3 邵彧;张善文;李萍;;基于判别局部保持投影的苹果叶部病害识别方法[J];东北农业科学;2021年04期
4 叶进;邱文杰;杨娟;易万茂;马仲辉;;基于深度学习的荔枝虫害识别方法[J];实验室研究与探索;2021年06期
5 师韵;安琪;张善文;;基于分层卷积神经网络的冬枣果实病害识别方法[J];东北农业科学;2021年04期
6 毕松;张潞;;自然环境下的柑橘采摘点识别方法研究[J];计算机仿真;2021年12期
7 袁仁长;;几种瓜菜种子的寿命和识别方法[J];农家之友;2001年11期
8 赵冬阳;范国华;赵印勇;陈信;王文宇;张友华;;一种基于无人机遥感和卷积神经网络的梨树树龄梯度识别方法[J];信阳农林学院学报;2020年01期
9 董松;徐晓辉;宋涛;刘源;程鑫;;基于计算机视觉的黄瓜病害识别方法研究[J];河北工业大学学报;2021年04期
10 张纯胄;蔬菜营养缺素症状识别方法[J];长江蔬菜;1998年01期
11 霍迎秋;唐晶磊;尹秀珍;方勇;;基于压缩感知理论的苹果病害识别方法[J];农业机械学报;2013年10期
12 李丹;;基于迁移学习和改进残差神经网络的黄瓜叶部病害识别方法[J];农业工程;2020年06期
13 赵汉清;;青椒种子汤伤的识别方法[J];北方园艺;1988年04期
14 吴叶兰;陈怡宇;廉小亲;廖禺;高超;管慧宁;于重重;;高光谱成像的柑橘病虫害叶片识别方法[J];光谱学与光谱分析;2021年12期
15 董浪;许建峰;靳江周;张玉新;;基于改进Faster R-CNN的梨树花芽识别方法[J];河北农业大学学报;2021年06期
16 吴华瑞;;基于深度残差网络的番茄叶片病害识别方法[J];智慧农业;2019年04期
17 潘俊强;;葡萄黑痘病的识别与防治[J];安徽农学通报;2007年08期
中国硕士学位论文全文数据库 前5条
1 王瑞;自然场景下猕猴桃识别方法研究[D];西北农林科技大学;2017年
2 董松;基于计算机视觉的果蔬叶部病害识别方法研究[D];河北工业大学;2019年
3 尚炳万;基于特征融合的猕猴桃叶部病害识别方法研究[D];西京学院;2020年
4 田凯;基于图像处理的茄子叶部病害识别方法研究[D];华南农业大学;2016年
5 徐涛;蔬菜大棚杂草和害虫识别方法研究[D];南京林业大学;2021年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978