典型文献
基于轻量化YOLO⁃v3的绿熟期番茄检测方法
文献摘要：
准确识别定位绿熟期番茄果实是实现其自动采摘的必要前提.由于绿熟期番茄的表面颜色仍为青色与叶片、枝干颜色接近,特别是存在叶片、枝干遮挡和果实重叠类型的图像,传统的图像检测处理方法不能准确进行定位.为解决此问题,采用改进的深度学习目标检测算法YOLO?v3进行番茄检测,将原算法的骨干网络DarkNet?53改为更轻量化的Mobilenet?v1.结果表明:轻量化YOLO?v3算法将模型大小缩小为原来的39.38％,训练速度提高3.88倍,验证集的平均精度均值达到98.69％,测试集的平均精度均值达到98.28％.所采用的轻量化YOLO?v3检测算法可实现对绿熟期番茄的实时目标检测,更适合在移动设备和嵌入式端进行部署,为更加高效的番茄自动采摘奠定基础.
文献关键词：
绿熟期番茄;自动采摘;轻量化;YOLO-v3算法
中图分类号：
作者姓名：
苏斐;张泽旭;赵妍平;李天华;祖林禄
作者机构：
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
文献出处：
引用格式：
[1]苏斐;张泽旭;赵妍平;李天华;祖林禄-.基于轻量化YOLO⁃v3的绿熟期番茄检测方法)[J].中国农机化学报,2022(03):132-137
A类：
绿熟期番茄
B类：
YOLO,v3,准确识别,识别定位,番茄果实,实是,自动采摘,表面颜色,青色,枝干,遮挡,图像检测,学习目标,目标检测算法,骨干网络,DarkNet,更轻,Mobilenet,v1,训练速度,验证集,平均精度均值,测试集,实时目标检测,移动设备,行部
AB值：
0.303096
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。
