基于改进YOLOv4算法的水果识别检测研究

摘要：

为了解决目前水果识别检测方法效率低、误检率高、通用性低、实时性差等问题,提出了一种基于改进的你只用看一遍(YOLO)统一框架的实时目标检测YOLOv4算法的水果识别检测方法.首先在主干网络的基础上增加高效通道注意力机制,增强网络提取图像语义信息能力;其次用内卷算子替换主干网络中跨级局部模块连接处卷积层,减小了模型大小,增强了网络预测性能;最后在路径聚合网络基础上添加残差模块,加快网络收敛速度的同时防止了网络梯度爆炸.数据集选取生活中常见的火龙果、橙子、葡萄、青芒等10种水果,拍摄共获得6670张图片.结果表明,本文中的方法均值平均精度(MAP)为99.1％,准确率为95.62％,传输帧数为41.67/s;MAP相比YOLOv4提升了15.3％.该研究满足高检测精度和检测速度要求,对水果识别精度的提高具有重要的参考价值.

关键词：图像处理、水果识别、YOLOv4算法、内卷算子、路径聚合网络、高效通道注意网络

所属期刊栏目：47

分类号：TP751;TP183(遥感技术)

资助基金：河北省创新能力提升计划资助项目20540302D

在线出版日期：2023-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：400-406