基于特征提取改进YOLOv3算法的马铃薯畸形识别

摘要：

马铃薯畸形严重影响其商品价值,畸形剔除成为马铃薯产后售前的核心工作步骤之一.目前,该环节主要依靠人工目测进行,劳动消耗量大、投入成本高,精准、高效的自动检测技术亟待开发.近年来,机器视觉在物体外观及特性识别领域引起广泛关注,而马铃薯畸形属于马铃薯形态特征,故在获取马铃薯外形照片的基础上,采用改进的YOLOv3 算法对马铃薯畸形进行识别.使用注意力特征金字塔替换YOLOv3 算法中的特征金字塔,克服了特征融合过程中的干扰,增强网络的深层特征提取,并优化了特征表达,进而达到提升畸形检测精度、可靠性的目的.实验结果表明,改进的YOLOv3 算法相比改进前精确率提升 2.68%,F1 精度提升 2.31%,mAP提升 3.34%,针对深层特征的检测能力明显增强.该算法高效、精准,为马铃薯畸形检测提供了一种更优的智能检测方法.

关键词：马铃薯畸形、YOLOv3算法、注意力特征金字塔、深度学习

所属期刊栏目：62

分类号：TN957.52;TP391

资助基金：国家自然科学基金;甘肃省高等学校创新基金项目;甘肃农业大学青年导师基金项目;西北中药材全程机械化科研基地建设项目

在线出版日期：2024-01-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：7-11,33