首页|基于Tiny-YOLOv3的田间绿色柑橘目标检测方法

基于Tiny-YOLOv3的田间绿色柑橘目标检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的:为准确、快速地识别田间绿色柑橘,提出一种基于Tiny-YOLOv3网络的目标检测方法.方法:采用卷积层替换Tiny的池化层以减少目标信息丢失,借鉴DenseNet网络,在Tiny网络中嵌入2个多层密集块,提出Tiny-Dense-YOLOv3网络.结果:在2个数据集上试验以验证改进模型的有效性,在果园柑橘数据集中,Tiny-DenSe-YOLOv3的准确率、召回率和F1值分别为88.98％、95.29％和92.03％,相比于Tiny-YOLOv3模型分别提髙3.55％、4.81％和4.15％;在MSCOCO集的柑橘数据集中,Tiny-DenSe-YOLOv3的F1 值为52.83％,相比于 Tiny-YOLOv3模型,F1 值提高了 6.33％.Tiny、Darknet53和 Tiny-Dense 等网络输出特征图的可视化结果表明,不同网络均能提取果实目标特征,其中Tiny网络未能有效抑制树叶、枝干等背景特征的干扰.结论:Tiny-DenSe-YOLOv3轻量化卷积网络可实现对田间绿色柑橘的高精度实时检测.
Green citrus detection based on Tiny-YOLOv3 in field

韩文、魏超宇、刘辉军

展开 >

中国计量大学计量测试工程学院,浙江杭州310018

绿色柑橘 目标检测 密集连接 Tiny-YOLOv3 可视化

国家自然科学基金

51606181

2020

10.3969/j.issn.2096-2835.2020.03.011

中国计量大学学报
中国计量学院

中国计量大学学报

CHSSCD
影响因子：0.357
ISSN：2096-2835
年,卷(期)：2020.31(3)
  • 5
  • 9