首页|基于改进YOLOv7的草莓目标检测方法

基于改进YOLOv7的草莓目标检测方法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
为实现草莓果实成熟度的精准快速识别,该文提出一种基于改进YOLOv7 的草莓目标识别方法.针对实地大棚环境下采集到的草莓数据集,首先使用LabelImg对数据集分类型标注,然后使用改进后的Kmeans聚类算法进行先验框尺寸的计算,在主干中加入CBAM注意力机制增加模型的识别精度,最后采用分阶段的训练方法对搭建的YOLOv7 模型进行模型评估.实验结果表明,草莓目标检测的mAP均值达到 92.3%,召回率达到 85.7%,精确率达到 91%,单张图像的检测时间为 27 ms,该方法能够快速准确地对复杂环境下草莓果实的成熟度进行检测,为实现草莓产业智能化发展奠定基础.

strawberrytarget detectionYOLOv7deep learningattention mechanism

杨婷婷、杨玉竹、卜显峰、曹丽英

展开 >

吉林农业大学,长春 130000

吉林省农业技术推广总站,长春 130062

草莓 目标检测 YOLOv7 深度学习 注意力机制

国家自然科学基金吉林省科技厅中青年科技创新创业卓越人才(团队)项目(创新类)吉林省科技发展计划项目

U19A206120220508133RC20210404020NC

2023

10.20028/j.zhnydk.2023.21.005

智慧农业导刊

智慧农业导刊

ISSN：
年,卷(期)：2023.3(21)
  • 5