基于改进YOLO v4模型的马铃薯中土块石块检测方法

摘要：

为实现收获后含杂马铃薯中土块石块的快速检测和剔除,提出了一种基于改进YOLO v4模型的马铃薯中土块石块检测方法. YOLO v4模型以CSPDarknet53为主干特征提取网络,在保证检测准确率的前提下,利用通道剪枝算法对模型进行剪枝处理,以简化模型结构、降低运算量.采用Mosaic数据增强方法扩充图像数据集(8 621幅图像),对模型进行微调,实现了马铃薯中土块石块的检测.测试表明,剪枝后模型总参数量减少了94. 37% ,模型存储空间下降了187. 35 MB,前向运算时间缩短了0. 02 s,平均精度均值( Mean average precision, mAP)下降了2. 1个百分点,说明剪枝处理可提升模型性能.为验证模型的有效性,将本文模型与5种深度学习算法进行比较,结果表明,本文算法mAP为96. 42% ,比Faster R-CNN、Tiny-YOLO v2、YOLO v3、SSD分别提高了11. 2、11. 5、5. 65、10. 78个百分点,比YOLO v4算法降低了0. 04个百分点,模型存储空间为20. 75 MB,检测速度为78. 49 f/s,满足实际生产需要.

关键词：马铃薯;石块检测;通道剪枝;YOLO v4

所属期刊栏目：52

分类号：TP391.4;S532(计算技术、计算机技术)

资助基金：山东省农业重大应用技术创新项目SD2019NJ010

在线出版日期：2021-09-07（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：241-247,262