首页|基于改进YOLOX-s的苹果花生长状态检测方法及验证分析

基于改进YOLOX-s的苹果花生长状态检测方法及验证分析

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
为实现苹果园智能疏花,提出一种基于改进YOLOX-s的苹果花生长状态检测方法.采集并建立苹果花数据集,以用于网络模型的训练和验证,搭建YOLOX-s模型,对主干网络进行改进,在输出特征后两层加入CBAM注意力机制模块,采用EIOU作为模型的回归函数,在后处理阶段引入Focal Loss损失函数,以提高模型对拥簇苹果花的检测能力,提高模型的平均精度.结果表明改进后的YOLOX-s模型精确度为91.75%,相比未改进前提升0.5%,召回率提升6.19%,平均精度提高4.28%.该研究为实现苹果花生长状态智能检测提供技术支持,指导智能化疏花精准决策.
Detection method and validation analysis based on the improved YOLOX-s apple blossom growth state

apple flower detectionYOLOXintelligent orchard

高昂、卢传兵、任龙龙、李玲、沈向、宋月鹏

展开 >

山东农业大学机械与电子工程学院,山东泰安,271018

山东省园艺机械与装备重点实验室,山东泰安,271018

山东省烟台市农业技术推广中心,山东烟台,264001

山东农业大学园艺科学与工程学院,山东泰安,271018

展开 >

苹果花检测 YOLOX 智能化果园

山东省现代农业产业技术体系建设项目果品产业创新团队项目山东省现代农业产业技术体系建设项目果品产业创新团队项目山东省现代农业产业技术体系建设项目果品产业创新团队项目烟台市科技计划(乡村振兴类)

SDAIT—06-12SDAIT—06-04SDAIT—06-072022XCZX097

2023

10.13733/j.jcam.issn.2095-5553.2023.08.022

中国农机化学报
农业部南京农业机械化研究所

中国农机化学报

CSTPCD北大核心
影响因子：0.684
ISSN：2095-5553
年,卷(期)：2023.44(8)
  • 9