典型文献
基于改进YOLOX模型的芝麻蒴果检测方法研究
文献摘要：
为实现密集条件下芝麻蒴果的准确检测,提出基于YOLOX模型的芝麻蒴果检测定位方法(CE-YOLOX模型).该模型以CSPDarknet-53作为主干特征提取网络,在路径聚合网络PANet中增加104×104大尺度特征层,增强对目标细粒度特征信息的获取;通过引入注意力机制模块获取目标重要的轮廓特征和空间位置信息;将传统的NMS替换为更有利于重叠目标检测的Soft-NMS算法来降低漏检情况.结果表明,在IoU阈值为0.5时,CE-YOLOX模型在全部测试集上的调和均值(F1)、召回率、平均精度分别为0.99、98.65％、99.71％,与原模型YOLOX相比,该模型分别提升了0.05、6.27个百分点、3.28个百分点.通过蒴果计数试验,CE-YOLOX模型计数准确率为96.84％,比YOLOX模型提高了5.28个百分点.改进后的模型CE-YOLOX适用于密集条件下芝麻蒴果检测.
文献关键词：
芝麻蒴果;果实检测;注意力机制;目标检测算法;YOLOX
中图分类号：
作者姓名：
王川;赵恒滨;李国强;张建涛;高桐梅;赵巧丽;郑国清
作者机构：
河南师范大学 计算机与信息工程学院,河南 新乡 453007;河南省农业科学院 农业经济与信息研究所/河南省智慧农业工程技术研究中心,河南 郑州 450002;农业农村部黄淮海智慧农业技术重点实验室,河南 郑州450002;河南省农业科学院 芝麻研究中心,河南 郑州 450002
文献出处：
引用格式：
[1]王川;赵恒滨;李国强;张建涛;高桐梅;赵巧丽;郑国清-.基于改进YOLOX模型的芝麻蒴果检测方法研究)[J].河南农业科学,2022(11):155-162
A类：
芝麻蒴果,模型计数
B类：
YOLOX,集条,检测定位,定位方法,CE,CSPDarknet,主干特征提取网络,路径聚合网络,PANet,大尺度,尺度特征,细粒度特征,特征信息,注意力机制模块,轮廓特征,空间位置信息,NMS,Soft,来降,漏检,IoU,测试集,召回率,百分点,果实检测,目标检测算法
AB值：
0.275754
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
