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 > 基于改进YOLOv5网络的疏果前苹果检测方法 江苏农业科学 2023,51 (14) 205-215
Position: Home > Articles > 基于改进YOLOv5网络的疏果前苹果检测方法 Jiangsu Agricultural Sciences 2023,51 (14) 205-215

基于改进YOLOv5网络的疏果前苹果检测方法

作  者：
姜国权;杨正元;霍占强;罗军伟;赵翠君
单  位：
关键词：
改进YOLOv5;疏果前;目标检测;苹果检测;特征融合
摘  要：
为了实现自然环境下疏果前苹果的快速识别和精确定位,满足果园智能化种植需求,提出了一种基于改进的YOLOv5 深度学习的检测模型.首先,为了解决苹果的尺度大小不一带来的问题,改进目标检测层,在YOLOv5 的第 17 层之后对特征图进行上采样,在第20 层将网络提取到的特征图与Backbone网络中的第2 层特征图进行融合操作,以生成不同尺寸的检测层.其次,为了克服复杂环境的影响,改进特征融合网络,使用BiFPN(Bidirectional Feature Pyramid Network))进行特征融合,来更有效地提取目标信息.最后,将采集到的苹果图像进行不同网络模型检测效果对比试验.试验表明,改进的模型经过 8274 幅图像训练,在 2759 幅测试集上的检测准确率为 94.2%,召回率为95.2%,F1 值为94.7%;相比YOLOv3、YOLOv4、原YOLOv5 网络,准确率分别提高了4.4%、7.0%、2.3%,F1 值分别提高6.1%、6.5%、2.6%;相比YOLOv3、YOLOv4 网络,图像的检测速度分别提高了 13.5、21.4 ms/幅.结果表明,在保证检测实时性的情况下,该方法可以有效识别复杂环境下的苹果.

相似文章

导出引用
计量
文章访问数: 17
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