首页|基于改进YOLO v7-tiny的小麦麦穗检测方法

基于改进YOLO v7-tiny的小麦麦穗检测方法

扫码查看
原文链接
  • 万方数据
  • 维普
针对农田环境下小麦麦穗目标检测精确率低的问题,在YOLO v7-tiny模型基础上进行深入改进,旨在提高麦穗检测的准确率,以满足农业生产管理系统和农业机器人边缘检测设备的需求.采用EfficientViT的主干网络替代YOLO v7-tiny的特征提取网络层,强化图像特征的提取能力;在特征融合网络层,引入CARAFE上采样模块替代原模型中的上采样模块,进一步优化特征融合过程;在特征融合网络层和输出层引入基于跨空间学习的高效多尺度注意力机制,有效提升模型的目标检测性能.结果表明,改进后的模型在小麦麦穗检测精确率上比YOLO v7-tiny模型提高了 2.9百分比;与YOLO v7模型相比,本模型虽然精确率低0.2百分点,但在参数量、计算量上分别降低了82.6％、84.5％,同时模型体积减小了 81.2％.综合考虑精确率、参数量、计算量、模型体积等多个指标,本研究的改进模型在部署于智能农机类边缘检测设备方面具有优越性.

鲁子翱、张婧婧、韩博、李永福

展开 >

新疆农业大学计算机与信息工程学院,新疆乌鲁木齐 830052

智能农业教育部工程研究中心,新疆乌鲁木齐 830052

新疆农业信息化工程技术研究中心,新疆乌鲁木齐 830052

新疆农业科学院土壤肥料与农业节水研究所,新疆乌鲁木齐 830000

展开 >

目标检测 YOLO v7 EfficientViT CARAFE 高效多尺度注意力机制

2024

10.15889/j.issn.1002-1302.2024.20.018

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(20)