在自然果园环境下,草莓果实生长分布密集易受枝叶遮挡,不同生长周期的草莓形态大小不一,面对遮挡、小尺寸草莓现有的检测模型容易出现误检、漏检问题.针对上述问题,提出了一种基于改进RT-DETR的实时草莓成熟度检测算法Strawberry Ripeness-DERT(SR-DETR).首先,根据PConv卷积设计FasterBlock模块替换原模型主干网络中的BasicBlock模块,提高模型特征提取能力的同时还有效降低模型参数量;然后,基于GSConv卷积和VOVGSCSP模块设计了颈部特征融合模块(Light_CCFM),削弱复杂背景和冗余信息的干扰,提高小目标的识别率;最后,引入SSFF模块改进特征融合层,增加SR-DETR网络的多尺度融合能力,使模型具有更强的鲁棒性.改进后的模型在自建草莓数据集上进行试验,结果显示,SR-DETR模型的精确度、召回率和平均精度均值分别为93.0％、90.2％、91.7％,相比于原模型分别提升1.6、1.8、1.5百分点,同时模型参数量、模型大小和计算复杂度分别降低31.2％、31.1％和23.6％.SR-DETR模型不仅提高了不同成熟度草莓的识别精度,还降低了遮挡目标的漏检率,检测速度达到60.9帧/s,可以便捷地部署到终端完成实时检测.
万方数据
维普
