基于YOLOv4网络的棉花顶芽精准识别方法
为实现非接触、低成本、精准识别棉花顶芽,提出一种基于YOLOv4网络在复杂环境下对棉花顶芽进行精准识别的方法.利用K-means算法对棉花顶芽数据集进行聚类,优化先验框改善网络检测精度和速度,得到最优权值模型.对聚类前后模型以及与其他目标检测模型在棉花顶芽检测性能上进行了对比试验,并探究了顶芽在逆光和遮挡环境下,不同模型的检测性能.结果表明:该模型在测试集的平均检测精度(AP)、精确率(P)、召回率(R)、调和平均值(F1)比原模型分别提高0.36％、1.73％、0.52％、1.16％,单张图像平均检测时间缩短0.28 s;对比SSD、YOLOv3、Tiny-YOLOV4模型,该模型检测精确率和F1值最高,性能均衡;在自然场景处于逆光状态下,YOLOv4模型检测顶芽效果好于其他模型,且逆光环境对检测影响小;在遮挡条件下各个模型检测精度均有不同程度下降.
棉花顶芽、YOLOv4、深度学习、K-means、图像识别
24
S126;TP391.4(农业物理学)
现代农业产业技术体系;山东省引进顶尖人才一事一议专项;淄博市重点研发计划项目;淄博市重点研发计划项目
2022-09-14（万方平台首次上网日期，不代表论文的发表时间）
共10页
99-108
