首页|基于IFSSD卷积神经网络的柚子采摘目标检测模型

基于IFSSD卷积神经网络的柚子采摘目标检测模型

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为了解决柚子采摘时传统水果检测模型对于小目标柚子漏检和将叶子误检为膨大期柚子的问题,设计了一种改进的特征融合单镜头检测器(InceptionV3-feature fusion single shot-multibox detector,IFSSD).该检测器以特征融合单发多盒探测器(Feature fusion single shot-multibox detector,FSSD)为基础检测器,以改进的InceptionV3网络作为骨干网络代替超深度卷积神经网络(Very deep convolutional networks 16,VGG16),从而提高了计算效率,同时使用Focal Loss损失函数代替Multibox Loss损失函数,进而改善了由于正负样本不平衡导致的检测器误检情况.对测试数据集进行检测,结果表明,该模型的检测准确率为93.7％(IoU大于0.5),在单个NVIDIA RTX 2060 GPU上每幅图像检测时间为29 s.本文模型可以实现树上柚子的自动检测.
Grapefruit Detection Model Based on IFSSD Convolution Network

肖德琴、蔡家豪、林思聪、杨秋妹、谢晓君、郭婉怡

展开 >

华南农业大学数学与信息学院,广州510642

广州中医药大学医学信息工程学院,广州510006

柚子 采摘 实时检测 深度学习 特征融合 改进的特征融合单镜头检测器

国家重点研发计划项目广东省重点领域研发计划项目广东省科技计划项目

2017YFD07016012019B0202140052015A020224034

2020

农业机械学报
中国农业机械学会 中国农业机械化科学研究院

农业机械学报

CSTPCDCSCD北大核心EI
影响因子：1.904
ISSN：1000-1298
年,卷(期)：2020.51(5)
  • 13
  • 17