针对采摘机器人设备计算力不足,目标检测速度受限,难以满足实时应用,提出一种基于改进YOLOv4的轻量化算法,用于提高检测速度和减少网络体积.采用轻量化的主干网络Ghostnet替代YOLOv4中的CSPdarknet53主干网络,减少了参数量.在替换主干网络的基础上,再采用深度可分离卷积替换YOLOv4中的颈部网络,进一步减少了权重和计算量.随后在空间金字塔池化的前后增加CBL卷积模块层数,将3层更换为5层,可以提高对图片的特征提取和整个网络对图片信息的获取,提升精准度.采用KNN聚类算法计算先验框,对先验框进行预测,同时使用马赛克数据增强识别精度.苹果检测结果表明,修改后的网络对苹果有较好的识别精度,在检测速度上比YOLOv4提高45.8％,FPS达到了35,整体网络的权重减少79.7％.修改后的网络提高了检测速度,减少了权重文件大小,能更好地适用于计算力不足和储存空间较小的采摘机器人设备.
国家科技期刊平台
NSTL
万方数据
