CN:36-1239/TH

ISSN:1672-3872

半月刊

JST日本科学技术振新机构数据库(日)(2022)

中文核心期刊(遴选)数据库收录期刊

中文科技期刊数据库收录期刊

中国学术期刊(光盘版)全文收录期刊

中国期刊网收录期刊

中国学术期刊综合评价数据库 统计源期刊

搜索
搜索
这是描述信息

基于改进YOLO的自然环境下桃子成熟度快速检测模型

访问量:

DOI:10.3969/j.issn.1672-3872.2023.24.006

作者:曾俊,陈仁凡,邹腾跃(福建农林大学机电工程学院,福建 福州 350002)

 

摘 要:【目的】解决自然环境下不同成熟度桃子快速准确检测的问题,课题组提出一种基于改进YOLOv5s的目标检测算法 YOLO-Faster。【方法】使用YOLOv5s网络模型作为基础网络,将主干特征提取网络替换为FasterNet,使模型轻量化,并在主干和颈部之间增加串联的CBAM卷积注意力模块和常规卷积块,增强对图像重要特征的捕捉与表达,同时引入SIoU损失函数缓解预测框与真实框之间方向的不匹配。【结果】改进后模型的mAP为88.6%,与YOLOv5s相比提升1个百分点,模型权重缩减39.4%,浮点运算量降低44.3%,在GPU、CPU上的单张图像平均检测时间分别减少12.6%和24%。此外,本研究将训练好的模型部署到嵌入式设备Jetson Nano上,模型在Jetson Nano上的检测时间比YOLOv5s减少30.4%。【结论】改进后的轻量级模型能够快速准确地检测自然环境下不同成熟度的桃子,可以为桃子采摘机器人的视觉识别系统提供技术支持。

关键词:目标检测;桃子成熟度;YOLOv5s;FasterNet;注意力机制;快速识别

 

引文信息:[1]曾俊,陈仁凡,邹腾跃.基于改进YOLO的自然环境下桃子成熟度快速检测模型[J].南方农机,2023,54(24):24-27+41.

查看全文请下载PDF文件↓

相关下载

分类:
2023年
文件大小:
2.9M
2024-01-08 17:38:45
所属人群:
所有人
上一页
1
底部logo

公众号

地       址:江西省南昌市东湖区省政府大院北一路3号6楼

联系电话:0791-86202556

投稿邮箱:nfnj@vip.163.com

版权所有:江西南方农机杂志社有限责任公司.  All rights reserved.   SEO     赣ICP备2023003226号-1       技术支持:中企动力-南昌