10.13320/j.cnki.jauh.2022.0050
基于改进YOLOv4模型的自然环境下梨果实识别
针对自然环境下梨果实识别场景中存在梨果实颜色与背景颜色相近、遮挡、重叠等因素导致的识别困难的问题,本试验提出1种基于改进的YOLOv4网络模型梨果实识别的方法,使用的神经网络模型以CSPDarknet53作为主干特征提取网络,将空间金字塔池化(SPP)中的最大池化法改为平均池化法,以适应目标与背景颜色相近的场景,更多地保留目标信息;将SPP模块前后的卷积、PANet中的部分卷积以及输出部分的卷积替换为深度可分离卷积,在保证卷积效果不变的效果下减少网络模型所占空间.使用训练后的改进YOLOv4模型对未参与训练的图像样本进行测试,改进后的模型所占空间比原模型下降44%,召回率达到85.56%,比原模型提高了1.29%,mAP达到90.18%,比原模型提高了0.1%.实验结果表明,本文算法对自然环境下近色背景的梨果实的识别具有良好的查全率与精确率,能够较好地对梨果实进行识别,可为实现梨果园的自动采摘和产量预测提供技术支持.
卷积神经网络、YOLOv4、梨、果实识别
45
TP391.4(计算技术、计算机技术)
河北省自然科学基金;河北农业大学自主培养人才科研专项
2022-06-29(万方平台首次上网日期,不代表论文的发表时间)
共7页
105-111