典型文献
改进YOLOV3的茶叶嫩芽检测研究
文献摘要：
为了能够实现茶叶嫩芽的智能采摘,提出一种改进YOLOV3的茶叶嫩芽检测方法.首先将第二个残差模块的输出特征图与最后一个预测输出进行上采样的特征图特征融合,得到152x152的检测层;使用k-means++聚类算法重新聚类得到新的先验框;其次为了丰富特征图的表达能力在第一个预测层之前加入空间金字塔结构和CBAM注意力机制.最后使用GIOU作为定位损失来提高检测的精度.通过实验对比,提出的YOLOV3-D模型检测精度为79.9％,召回率为80.2％,相比于YOLOV3,精度提高了 7.8％,召回率提高了10.7％,说明改进的模型能够更好地应用于茶叶嫩芽检测.
文献关键词：
YOLOV3;茶叶嫩芽;特征融合;k--means++;CBAM;GIOU
中图分类号：
作者姓名：
邹倩;陆安江;周骅;赵麒
作者机构：
贵州大学大数据与信息工程学院,贵阳 550025;贵州民族大学机械电子学院,贵阳 550025
文献出处：
引用格式：
[1]邹倩;陆安江;周骅;赵麒-.改进YOLOV3的茶叶嫩芽检测研究)[J].激光杂志,2022(03):70-75
A类：
152x152
B类：
YOLOV3,茶叶嫩芽,嫩芽检测,智能采摘,残差模块,特征图,出进,上采样,特征融合,检测层,means++,聚类算法,先验框,表达能力,空间金字塔,金字塔结构,CBAM,注意力机制,GIOU,高检,实验对比,模型检测,检测精度,召回率
AB值：
0.342321
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。
