基于改进YOLOX模型的芝麻蒴果检测方法研究

摘要：

为实现密集条件下芝麻蒴果的准确检测,提出基于YOLOX模型的芝麻蒴果检测定位方法(CE-YOLOX模型).该模型以CSPDarknet-53作为主干特征提取网络,在路径聚合网络PANet中增加104×104大尺度特征层,增强对目标细粒度特征信息的获取;通过引入注意力机制模块获取目标重要的轮廓特征和空间位置信息;将传统的NMS替换为更有利于重叠目标检测的Soft-NMS算法来降低漏检情况.结果表明,在IoU阈值为0.5时,CE-YOLOX模型在全部测试集上的调和均值(F1)、召回率、平均精度分别为0.99、98.65％、99.71％,与原模型YOLOX相比,该模型分别提升了0.05、6.27个百分点、3.28个百分点.通过蒴果计数试验,CE-YOLOX模型计数准确率为96.84％,比YOLOX模型提高了5.28个百分点.改进后的模型CE-YOLOX适用于密集条件下芝麻蒴果检测.

关键词：芝麻蒴果、果实检测、注意力机制、目标检测算法、YOLOX

所属期刊栏目：51

分类号：TP391.4(计算技术、计算机技术)

资助基金：河南省人社厅留学人员科研资助项目;河南省农业科学院农业经济与信息研究所科技创新领军人才培育计划;河南省重点研发与推广专项

在线出版日期：2023-02-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：155-162