基于改进YOLOv4的植物叶茎交点目标检测研究

摘要：

由于植物根茎交点目标较小,识别率低,且在使用嵌入式设备进行植物移植与栽培的过程中资源及功耗受限.针对这类问题,提出了一种基于改进YOLOv4的目标检测解决方法,并设置于本场景.采集8629张植物叶茎数据集图像,并对这些植物叶茎数据集进行标注,利用生成对抗网络(generative adversarial network,GAN)进行数据增强预处理.改进YOLOv4目标检测算法,选取4个不同尺度的锚框,以获得更多植物叶茎交点信息,同时对网络的结构和损失函数进行局部优化,使得网络在训练过程中更易于拟合目标.将主干网络更改为GhostNet网络,大幅度减少参数量与计算量,更利于在移动设备上的轻量化模型部署.实验结果表明,优化后的YOLOv4-GhostNet轻量化网络在保证检测精度的前提下,检测速度提高到79.3 frame/s,较YOLOv4提高了36.45％,网络帧率提高了51.07％,模型参数量减小了36.06％,能够有效检测叶茎交点目标.

关键词：目标检测;数据增强;对抗网络;YOLOv4;GhostNet

所属期刊栏目：58

分类号：TP389.1(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;天津市自然科学基金;天津市自然科学基金;天津市企业科技特派员项目;天津市教委科研计划项目;天津市教委科研计划项目

在线出版日期：2022-03-03（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：221-228