当前位置: 首页 > 文章 > 采用轻量级网络MobileNetV2的酿酒葡萄检测模型 农业工程学报 2021 (17) 168-176
Position: Home > Articles > 采用轻量级网络MobileNetV2的酿酒葡萄检测模型 Transactions of the Chinese Society of Agricultural Engineering 2021 (17) 168-176

采用轻量级网络MobileNetV2的酿酒葡萄检测模型

作  者:
李国进;黄晓洁;李修华;艾矫燕
单  位:
广西大学电气工程学院
关键词:
机器视觉;图像处理;模型;葡萄;检测;YOLO;Res2Net;
摘  要:
为提高田间葡萄图像中小目标葡萄检测的速度和精度,该研究提出了一种基于轻量级网络的酿酒葡萄检测模型(Wine Grape Detection Model,WGDM)。首先,采用轻量级网络MobileNetV2取代YOLOv3算法的骨干网络DarkNet53完成特征提取,加快目标检测的速度;其次,在多尺度检测模块中引入M-Res2Net模块,提高检测精度;最后,采用平衡损失函数和交并比损失函数作为改进的定位损失函数,增大目标定位的准确性。试验结果表明,提出的WGDM模型在公开的酿酒葡萄图像数据集的测试集上平均精度为81.20%,网络结构大小为44MB,平均每幅图像的检测时间为6.29 ms;与单发检测器(Single Shot Detector,SSD)、YOLOv3、YOLOv4和快速区域卷积神经网络(Faster Regions with Convolutional Neural Network,FasterR-CNN)4种主流检测模型相比,平均检测时间分别减少了4.91、7.75、14.84和158.20 ms。因此,该研究提出的WGDM模型对田间葡萄果实具有更快速、更准确的识别与定位,为实现葡萄采摘机器人的高效视觉检测提供了可行方法。

相似文章

计量
文章访问数: 7
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊