基于轻量化YOLO⁃v3的绿熟期番茄检测方法

摘要：

准确识别定位绿熟期番茄果实是实现其自动采摘的必要前提.由于绿熟期番茄的表面颜色仍为青色与叶片、枝干颜色接近,特别是存在叶片、枝干遮挡和果实重叠类型的图像,传统的图像检测处理方法不能准确进行定位.为解决此问题,采用改进的深度学习目标检测算法YOLO?v3进行番茄检测,将原算法的骨干网络DarkNet?53改为更轻量化的Mobilenet?v1.结果表明:轻量化YOLO?v3算法将模型大小缩小为原来的39.38％,训练速度提高3.88倍,验证集的平均精度均值达到98.69％,测试集的平均精度均值达到98.28％.所采用的轻量化YOLO?v3检测算法可实现对绿熟期番茄的实时目标检测,更适合在移动设备和嵌入式端进行部署,为更加高效的番茄自动采摘奠定基础.

关键词：绿熟期番茄、自动采摘、轻量化、YOLO-v3算法

所属期刊栏目：43

分类号：S641.2:TP391.4

资助基金：山东省现代农业产业技术体系蔬菜产业创新团队项目;山东省重点研发计划

在线出版日期：2022-04-19（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：132-137