典型文献
基于改进YOLOv4的苹果检测与果径估测方法
文献摘要：
为实现自然场景下苹果快速、精确检测与果实生长状态监测,提出基于改进的YOLOv4苹果检测模型与果径估测方法.针对自然场景下背景杂乱、目标较小等问题,在特征提取网络中引入注意力机制使模型更关注于果实区域,并在路径聚合网络中使用DO-Conv卷积以丰富网络提取的特征信息,提高模型检测性能.将检测后的目标区域进行CIELAB颜色空间分量下的阈值分割,利用RGB-D深度信息进行尺寸转换,实现果径估测.实验结果表明,模型检测精度达91.5％.果径估测平均绝对误差为1.91 mm,均方根误差(RMSE)为2.17 mm,总体分级准确率在90％以上,可为田间苹果分级与生长状态监测提供参考.
文献关键词：
YOLOv4;苹果检测;注意力机制;果径测量;苹果分级
中图分类号：
作者姓名：
岳琳茜;李文宽;杨晓峰;李海芳;杨其晟
作者机构：
太原理工大学信息与计算机学院,太原 036000
文献出处：
引用格式：
[1]岳琳茜;李文宽;杨晓峰;李海芳;杨其晟-.基于改进YOLOv4的苹果检测与果径估测方法)[J].激光杂志,2022(02):58-65
A类：
果径测量
B类：
YOLOv4,苹果检测,估测,自然场景,精确检测,果实生长,生长状态,状态监测,检测模型,杂乱,特征提取网络,注意力机制,于果,路径聚合网络,DO,Conv,特征信息,模型检测,检测性能,目标区域,CIELAB,颜色空间,阈值分割,RGB,深度信息,检测精度,平均绝对误差,RMSE,田间,苹果分级
AB值：
0.381155
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。
