当前位置: 首页 > 文章 > 基于D2-YOLO去模糊识别网络的果园障碍物检测 农业机械学报 2023 (2) 284-292
Position: Home > Articles > 基于D2-YOLO去模糊识别网络的果园障碍物检测 Transactions of the Chinese Society for Agricultural Machinery 2023 (2) 284-292

基于D2-YOLO去模糊识别网络的果园障碍物检测

作  者:
蔡舒平;潘文浩;刘慧;曾潇;孙仲鸣
单  位:
江苏大学电气信息工程学院
关键词:
果园机器人;障碍物检测;模糊图像;D2-YOLO;融合网络
摘  要:
针对果园目标检测时相机抖动以及物体相对运动导致检测图像模糊的问题,本文提出一种将DeblurGAN-v2去模糊网络和YOLOv5s目标检测网络相融合的D2-YOLO一阶段去模糊识别深度网络,用于检测识别果园模糊场景图像中的障碍物。为了减少融合网络的参数量并提升检测速度,首先将YOLOv5s骨干网络中的标准卷积替换成深度可分离卷积,并且在输出预测端使用CIoU_Loss进行边界框回归预测。融合网络使用改进的CSPDarknet作为骨干网络进行特征提取,将模糊图像恢复原始自然信息后,结合多尺度特征进行模型预测。为了验证本文方法的有效性,选取果园中7种常见的障碍物作为目标检测对象,在Pytorch深度学习框架上进行模型训练和测试。试验结果表明,本文提出的D2-YOLO去模糊识别网络准确率和召回率分别为91.33%和89.12%,与分步式DeblurGAN-v2+YOLOv5s相比提升1.36、2.7个百分点,与YOLOv5s相比分别提升9.54、9.99个百分点,能够满足果园机器人障碍物去模糊识别的准确性和实时性要求。

相似文章

计量
文章访问数: 38
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊