首页|基于改进YOLOv4的植物叶茎交点目标检测研究

基于改进YOLOv4的植物叶茎交点目标检测研究

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
由于植物根茎交点目标较小,识别率低,且在使用嵌入式设备进行植物移植与栽培的过程中资源及功耗受限.针对这类问题,提出了一种基于改进YOLOv4的目标检测解决方法,并设置于本场景.采集8629张植物叶茎数据集图像,并对这些植物叶茎数据集进行标注,利用生成对抗网络(generative adversarial network,GAN)进行数据增强预处理.改进YOLOv4目标检测算法,选取4个不同尺度的锚框,以获得更多植物叶茎交点信息,同时对网络的结构和损失函数进行局部优化,使得网络在训练过程中更易于拟合目标.将主干网络更改为GhostNet网络,大幅度减少参数量与计算量,更利于在移动设备上的轻量化模型部署.实验结果表明,优化后的YOLOv4-GhostNet轻量化网络在保证检测精度的前提下,检测速度提高到79.3 frame/s,较YOLOv4提高了36.45％,网络帧率提高了51.07％,模型参数量减小了36.06％,能够有效检测叶茎交点目标.
Research on Target Detection of Plant Leaf-Stem Intersection Based on Improved YOLOv4

李文婧、徐国伟、孔维刚、郭风祥、宋庆增

展开 >

天津工业大学 电气与电子工程学院,天津 300387

天津工业大学 计算机科学与技术学院,天津 300387

目标检测 数据增强 对抗网络 YOLOv4 GhostNet

国家自然科学基金国家自然科学基金天津市自然科学基金天津市自然科学基金天津市企业科技特派员项目天津市教委科研计划天津市教委科研计划

618022816170236618JCQNJC7030019JCYBJC1580018JCTPJC619002018KJ215KYQD1817

2022

10.3778/j.issn.1002-8331.2106-0239

计算机工程与应用
华北计算技术研究所

计算机工程与应用

CSTPCDCSCD北大核心
影响因子：0.683
ISSN：1002-8331
年,卷(期)：2022.58(4)
  • 12
  • 7