基于改进YOLOV3的自然环境下绿色柑橘的识别算法

摘要：

为研究自然环境下柑橘的图像识别技术,实现柑橘的早期产量预测,提出一种改进的DYOLOV3算法,实现自然环境下未成熟的绿色柑橘的识别与检测.研究构建绿色柑橘图像数据集,并对采集的图像进行预处理;改进算法采用DenseNet的密集连接机制替换YOLOV3网络中的特征提取网络Darknet53中的后三个下采样层,加强特征的传播,实现特征的复用.通过自制的数据集对D-YOLOV3算法进行测试,并分别对改进前后网络的识别性能、不同预处理方法和不同数据量图像对模型的影响进行试验.试验结果表明,改进的D-YOLOV3算法相对于传统YOLOV3算法精确率提高6.57％,召回率提高2.75％,F1分数提高4.41％,交并比提高6.13％,平均单张检测时间为0.28 s.通过不同果实数量图像对比试验验证了算法的可行性和准确性.研究结果表明,本文提出的D-YOLOV3算法对自然环境下未成熟的绿色柑橘识别具有较高的精准度,为柑橘的早期测产提供了技术支持.

关键词：目标检测;YOLOV3算法;DenseNet算法;绿色柑橘

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

资助基金：湖北省技术创新专项重大项目;中国科学院—国家民委农业信息技术研究;开发联合实验室招标课题;中央高校基本科研业务费专项资金项目

在线出版日期：2021-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：159-165