当前位置: 首页 > 文章 > 基于改进YOLO v4网络的马铃薯自动育苗叶芽检测方法 农业机械学报 2022 (6) 265-273
Position: Home > Articles > 基于改进YOLO v4网络的马铃薯自动育苗叶芽检测方法 Transactions of the Chinese Society for Agricultural Machinery 2022 (6) 265-273

基于改进YOLO v4网络的马铃薯自动育苗叶芽检测方法

作  者:
修春波;孙乐乐
单  位:
天津工业大学控制科学与工程学院
关键词:
深度学习;马铃薯;叶芽检测;扩张卷积;感受野;YOLO v4;
摘  要:
为提高马铃薯幼苗叶芽检测识别的准确率,提高自动育苗生产系统的工作效率,提出了基于YOLO v4网络的改进识别网络。将YOLO v4特征提取部分CSPDarknet53中的残差块(Residual Block)替换为Res2Net,并采用深度可分离卷积操作减小计算量。由此,在增大卷积神经网络感受野的同时,能够获得叶芽更加细小的特征信息,减少马铃薯叶芽的漏检率。设计了基于扩张卷积的空间特征金字塔(D-SPP模块),并嵌入和替换到特征提取部分的3个特征层输出中,用于提高马铃薯叶芽目标识别定位的准确性。采用消融实验对改进策略的有效性进行了验证分析。实验结果表明,改进的识别网络对马铃薯叶芽检测的精确率为95.72%,召回率为94.91%,综合评价指标F1值为95%,平均精确率为96.03%。与Faster R-CNN、YOLO v3、YOLO v4网络相比,改进的识别网络具有更好的识别性能,从而可有效提高马铃薯自动育苗生产系统的工作效率。

相似文章

计量
文章访问数: 6
HTML全文浏览量: 0
PDF下载量: 0

所属期刊

推荐期刊