中国农业科学院农业信息研究所 中国农学会
Agricultural Information Institute of CAAS China Association of Agricultural Science Societies
En
Ch
中国农业科学院农业信息研究所 中国农学会 主办

AI检索

订阅

返回顶部
当前位置: 首页 > 文章 > 基于多重特征增强与特征融合SSD的荔枝检测 农业工程学报 2022,38 (4) 169-177
Position: Home > Articles > Litchi detection based on multiple feature enhancement and feature fusion SSD Transactions of the Chinese Society of Agricultural Engineering 2022,38 (4) 169-177

基于多重特征增强与特征融合SSD的荔枝检测

作  者：
彭红星;李荆;徐慧明;陈虎;邢政;何慧君;熊俊涛
单  位：
华南农业大学数学与信息学院/广州市智慧农业重点实验室
关键词：
无人机;图像处理;特征增强;特征融合;荔枝检测
摘  要：
使用无人机拍摄的荔枝图像目标尺寸小、特征信息不足.为了更多、更好地检测到荔枝,该研究提出一种基于多重特征增强与特征融合的SSD(Single Shot Multibox Detector based on Multiple Feature Enhancement and Feature Fusion,MFEFF-SSD)模型.为了减少不必要的计算量,删除原始主干网络Vgg16的最后两个卷积层,并在Conv8和Conv9层使用感受野模块(Receptive Field Block,RFB),提升主干网络的特征提取能力;然后使用高效空间金字塔模块(Efficient Spatial Pyramid Block,ESP),增强浅层特征;提出改进的路径聚合网络(Improved Path Aggregation Network,IPANet)多尺度融合特征,提升荔枝小目标的检测效果;最后在浅层引入通道注意力机制SE(Squeeze and Excitation)模块,进一步提高检测精度.同时,调整先验框的大小和数量,适应荔枝小目标的尺寸.试验结果表明:该研究提出的RFB模块可以提高检测效果;IPANet的平均精确率比FPN(Feature Pyramid Network)略有提高;SE模块的平均精确率比CBAM(Convolutional Block Attention Module)、ECA(Efficient Channel Attention)模块分别提高1.15个百分点和2.12个百分点;ESP模块的平均精确率比ASPP(atrous spatial pyramid pooling)提高2.51个百分点;与SSD、Yolov4-tiny、Faster-RCNN和CenterNet模型相比,MFEFF-SSD模型的平均精确率分别提高30.62、14.58、44.46和15.93个百分点,能够更精准、有效地实现对无人机拍摄的荔枝图像检测,可为小目标农作物的检测开拓思路.
译  名：
Litchi detection based on multiple feature enhancement and feature fusion SSD

相似文章

导出引用
计量
文章访问数: 11
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊

友情链接Friendly link
农业信息研究所Agricultural information institute 农业智能知识服务平台Agricultural intelligent knowledge service platform 农业学术服务平台Agricultural Knowledge Service System 中国知网CNKI 维普网VIP 万方WANFANG DATA
联系我们Contact us

电话Tell：010-82109652-808

邮箱E-mail：agrijournal@caas.cn

服务Service
关于我们About us 意见建议Opinions and suggest
版权说明Copyright
单位：中国农业科学院农业信息研究所 中国农学会 © 2017中国农业科学院农业信息研究所 ICP备案号：京ICP备09089781号-46