基于深度学习与目标跟踪的苹果检测与视频计数方法

摘要：

基于机器视觉技术自动检测苹果树上的果实并进行计数是实现果园产量测量和智慧果园生产管理的关键.该研究基于现代种植模式下的富士苹果视频,提出基于轻量级目标检测网络YOLOv4-tiny和卡尔曼滤波跟踪算法的苹果检测与视频计数方法.使用YOLOv4-tiny检测视频中的苹果,对检测到的果实采用卡尔曼滤波算法进行预测跟踪,基于欧氏距离和重叠度匹配改进匈牙利算法对跟踪目标进行最优匹配.分别对算法的检测性能、跟踪性能和计数效果进行试验,结果表明:YOLOv4-tiny模型的平均检测精度达到94.47％,在果园视频中的检测准确度达到96.15％;基于改进的计数算法分别达到69.14％和75.60％的多目标跟踪准确度和精度,较改进前算法分别提高了26.86和20.78个百分点;改进后算法的平均计数精度达到81.94％.该研究方法可有效帮助果农掌握园中苹果数量,为现代化苹果园的测产研究提供技术参考,为果园的智慧管理提供科学决策依据.

关键词：视频计数;YOLOv4-tiny;卡尔曼滤波器;匈牙利算法;果实匹配

所属期刊栏目：37

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;陕西省创新人才推进计划-青年科技新星项目;中国博士后科学基金资助项目;中国科学技术部国家外国专家局高端外国专家引进计划

在线出版日期：2022-02-18（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：217-224