基于改进EfficientDet的油橄榄果实成熟度检测

摘要：

自然环境下自动准确地检测油橄榄果实的成熟度是实现油橄榄果实自动化采摘的基础.该研究根据成熟期油橄榄果实表型特征的变化以及参考国际油橄榄理事会和中国林业行业标准的建议制定了油橄榄果实成熟度标准,并针对油橄榄果实相邻成熟度特征差异不明显以及果实之间相互遮挡问题,提出一种改进EfficientDet的油橄榄果实成熟度检测方法.首先改进特征提取网络,在特征提取网络中引入卷积注意力模块(Convolution Block Attention Module,CBAM)细化不同成熟度之间的特征映射;其次改进特征融合网络,在加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,Bi-FPN)中增加跨级的数据流加强果实的相对位置信息,最后通过623幅油橄榄测试图像对改进的EfficientDet模型进行测试.改进EfficientDet模型在测试集下的精确率P、召回率R和平均精度均值mAP分别为92.89％、93.59％和94.60％,平均检测时间为0.337 s,模型大小为32.4 M.对比SSD、EfficientDet、YOLOv3、YOLOv5s和Faster R-CNN模型,平均精度均值mAP分别提升7.85、4.77、3.73、1.15和1.04个百分点.改进EfficientDet模型能够为油橄榄果实的自动化采摘提供有效探索.

关键词：油橄榄果实、成熟度检测、EfficientDet、注意力机制、深度学习

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划;中央高校基本科研业务费专项;北京市共建项目

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：158-166