当前位置: 首页 > 文章 > 采用天气增强与八度卷积改进YOLOv5的番茄检测模型构建 山东农业科学 2022 (11) 138-149
Position: Home > Articles > 采用天气增强与八度卷积改进YOLOv5的番茄检测模型构建 Shandong Agricultural Sciences 2022 (11) 138-149

采用天气增强与八度卷积改进YOLOv5的番茄检测模型构建

作  者:
代国威;樊景超;胡林
单  位:
中国农业科学院农业信息研究所/国家农业科学数据中心
关键词:
机器视觉;目标检测;番茄;八度卷积;YOLOv5;注意力机制;天气增强
摘  要:
温室番茄的自动检测对于降低成本和优化管理至关重要。为实现温室番茄采收过程的自动化,我们提出了一种基于八度卷积与注意力机制改进YOLOv5的温室番茄检测方法。首先,利用八度卷积提取图像的高低频特征信息,压缩低频特征图的空间分辨率以减少冗余空间信息,有效地将感受野扩大了2倍,并降低了模型的参数与浮点计算量;其次,将注意力机制(CBAM)融入特征提取网络Backbone中,以从复杂的背景颜色中提取更易区分的特征模式;然后,使用雨滴变换、雾气变换、太阳光照变换、阴影变换4种天气增强技术,增强数据集的多样性与模型的鲁棒性;最后,采用BCEWithLogitLoss损失函数使处理样本不均衡,并由SmoothBCE与QFocalLoss克服模型过拟合。采用从智能温室中拍摄的实际图像数据建立数据集,并对数据进行标注扩充,将样本容量扩至1 150幅图像,对提出的模型进行验证。结果表明,该模型的平均准确率和检测时间分别为94.58%和21 ms。与Faster R-CNN、SSD、YOLOv3、YOLOv4、YOLOX和原始YOLOv5网络相比,该模型在智能温室环境下的番茄检测中取得了最佳性能,可为番茄采摘机器人的高效运行提供稳定可靠的信息。

相似文章

计量
文章访问数: 9
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊