基于改进YOLOv3-Tiny的番茄苗分级检测
河北农业大学机电工程学院;农业农村部规划设计研究院设施农业研究所
- 摘 要：
- 为了提高番茄苗分选移栽分级检测精度,该研究提出了YOLOv3-Tiny目标检测改进模型.首先建立了番茄穴盘苗数据集,使用K-means++算法重新生成数据集锚定框,提高网络收敛速度和特征提取能力;其次为目标检测模型添加SPP空间金字塔池化,将穴孔局部和整体特征融合,提高了对弱苗的召回率;同时加入路径聚合网络(PANet),提升细粒度检测能力;引入了SAM空间注意力机制,提高对番茄苗的关注,减少背景干扰;增加了ASFF(Adaptively Spatial Feature Fusion)自适应特征融合网络,能够使目标检测模型对多个级别的特征进行空间滤波;采用CIoU损失函数策略,提高模型收敛效果.改进的YOLOv3-Tiny目标检测模型经过数据集训练,在测试集上能够达到平均精度均值为97.64%,相比YOLOv3-Tiny模型提高了3.47个百分点.消融试验验证了网络结构改进和训练策略是有效的,并将改进的YOLOv3-Tiny目标检测算法与5种目标检测算法进行对比,发现改进的YOLOv3-Tiny目标检测模型在重合度阈值为50%的条件下平均精度均值为97.64%.单张图像处理时间为5.03 ms,较其他目标检测算法具有明显的优势,验证了该模型能够满足番茄苗分级检测精度要求,可以为幼苗分选检测方法提供参考.
关键词：机器视觉;图像处理;穴盘育苗;幼苗分级;目标检测;YOLOv3-Tiny;自适应特征融合
相似文章
-
基于改进Mask R-CNN的花白鲢去鳞率计算方法研究 [肖哲非, 沈建, 郑晓伟, 徐文其] 渔业现代化 2022,49 (2) 85-93
-
基于机器视觉的机械手自动抓取与定位控制系统 [何先可, 罗建华, 王德昆] 湖北农机化 2022 (8) 108-110
-
基于动态超分辨率的输电线路部件检测方法 [夏娴, 徐靖楠] 河北农机 2022 (8) 87-89
-
非结构农田环境机器视觉障碍物检测方法 [孟志军, 颜丙新, 尹彦鑫, 王侨, 刘卉, 凌琳] 智能化农业装备学报（中英文） 2021,2 (2) 1-6,25
-
基于机器视觉的紧固套缺陷检测方法估计 [蒋晓, 高玮玮] 农业装备与车辆工程 2022,60 (2) 105-108,113
-
基于机器视觉技术的小粒中药材种子净度快速检测 [程莹, 许亚男, 侯浩楠, 宁翠玲, 杨成民, 董学会, 曹海禄, 孙群] 中国农业大学学报 2022,27 (5) 114-122
-
黄花菜采摘机器人视觉系统研究 [马聪, 陈学东] 宁夏农林科技 2021 (12) 60-64
-
低照度夜视相机在物流仓库火灾监测的应用研究 [陈思, 刘修泉] 南方农机 2021,52 (24) 157-159
-
采用轻量级网络MobileNetV2的酿酒葡萄检测模型 [李国进, 黄晓洁, 李修华, 艾矫燕] 农业工程学报 2021 (17) 168-176
-
基于支持向量机的玉米根茬行图像分割 [王春雷, 卢彩云, 李洪文, 何进, 王庆杰, 江珊] 农业工程学报 2021 (16) 117-126
