首页|基于改进YOLO v4的自然场景下冬枣果实分类识别

基于改进YOLO v4的自然场景下冬枣果实分类识别

扫码查看
原文链接
  • 万方数据
  • 维普
为实现冬枣园机械化自动化采摘以及冬枣树精准化管理,针对自然场景下冬枣果实的快速、准确分类识别问题,提出一种基于YOLO v4模型改进的冬枣果实分类识别模型CC-YOLO v4.利用改进的CSP跨阶段部分连接结构和多尺度特征融合的CBAM卷积注意力模块,减小网络规模的同时增强特征提取能力,改善果实分类识别的误检和遮挡目标的漏检情况;采用Softmax交叉熵损失函数代替Sigmoid二元交叉熵损失函数作为分类损失函数,引入EIoU损失函数代替CIoU损失函数作为边界框回归损失,进一步改善果实分类识别的误检并提升预测框精度.试验结果表明,CC-YOLO v4模型对3类冬枣果实的查准率P均值为81.86％,平均检测精度均值mAP为82.46％,IoU均值为81.35％,模型参数量和大小分别为26.9 M和108 MB,检测速度可达28.8 F/s.与其他模型相比,本模型具有更好的分类识别能力、识别速度和较小的模型复杂度.在不同果实数量情况下进一步试验,本研究方法具有良好的精度和鲁棒性,对解决自然场景下冬枣果实的精准分类识别问题具有重要参考价值.

刘天真、苑迎春、滕桂法、孟惜

展开 >

河北农业大学信息科学与技术学院,河北保定 071001

保定学院信息工程学院,河北保定 071000

河北省农业大数据重点实验室,河北保定 071001

石家庄学院未来信息技术学院,河北石家庄 050035

展开 >

冬枣 果实识别 YOLO v4 损失函数 自然场景

国家自然科学基金河北省自然科学基金保定市科技计划

62102130F20202040032211ZG010

2024

10.15889/j.issn.1002-1302.2024.01.024

江苏农业科学
江苏省农业科学院

江苏农业科学

CSTPCD北大核心
影响因子：0.732
ISSN：1002-1302
年,卷(期)：2024.52(1)
  • 21