基于改进YOLO v4的玉米种子外观品质检测方法

摘要：

针对玉米种子在外观品质检测中需要快速识别与定位的需求,提出了一种基于改进YOLO v4的目标检测模型,同时结合四通道(RGB+NIR)多光谱图像,对玉米种子外观品质进行了识别与分类.为了减少改进后模型的参数量,本文将主干特征提取网络替换为轻量级网络MobileNet V1.为了进一步提升模型的性能,通过试验研究了空间金字塔池化(Spatial pyramid pooling,SPP)结构在不同位置上对模型性能的影响,最终选取改进YOLO v4-MobileNet V1模型对玉米种子外观品质进行检测.试验结果表明,模型的综合评价指标平均F1值和mAP达到93.09％和98.02％,平均每检测1幅图像耗时1.85 s,平均每检测1粒玉米种子耗时0.088 s,模型参数量压缩为原始模型的20％.四通道多光谱图像的光谱波段可扩展到可见光范围之外,并能够提取出更具有代表性的特征信息,并且改进后的模型具有鲁棒性强、实时性好、轻量化的优点,为实现种子的高通量质量检测和优选分级提供了参考.

关键词：玉米种子、外观品质、多光谱图像、YOLO v4、MobileNet V1

所属期刊栏目：53

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;河北省重点研发计划项目;河北省高层次人才项目;河北农业大学人才引进研究项目

在线出版日期：2022-09-02（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：226-233