典型文献
基于YOLOv4网络的棉花顶芽精准识别方法
文献摘要：
为实现非接触、低成本、精准识别棉花顶芽,提出一种基于YOLOv4网络在复杂环境下对棉花顶芽进行精准识别的方法.利用K-means算法对棉花顶芽数据集进行聚类,优化先验框改善网络检测精度和速度,得到最优权值模型.对聚类前后模型以及与其他目标检测模型在棉花顶芽检测性能上进行了对比试验,并探究了顶芽在逆光和遮挡环境下,不同模型的检测性能.结果表明:该模型在测试集的平均检测精度(AP)、精确率(P)、召回率(R)、调和平均值(F1)比原模型分别提高0.36％、1.73％、0.52％、1.16％,单张图像平均检测时间缩短0.28 s;对比SSD、YOLOv3、Tiny-YOLOV4模型,该模型检测精确率和F1值最高,性能均衡;在自然场景处于逆光状态下,YOLOv4模型检测顶芽效果好于其他模型,且逆光环境对检测影响小;在遮挡条件下各个模型检测精度均有不同程度下降.
文献关键词：
棉花顶芽;YOLOv4;深度学习;K-means;图像识别
中图分类号：
作者姓名：
刘海涛;韩鑫;兰玉彬;伊丽丽;王宝聚;崔立华
作者机构：
山东理工大学农业工程与食品科学学院,山东淄博255000;山东省农业航空智能装备工程技术研究中心,山东淄博255000;山东绿风农业集团有限公司,山东滨州256600
文献出处：
引用格式：
[1]刘海涛;韩鑫;兰玉彬;伊丽丽;王宝聚;崔立华-.基于YOLOv4网络的棉花顶芽精准识别方法)[J].中国农业科技导报,2022(08):99-108
A类：
棉花顶芽
B类：
YOLOv4,精准识别,非接触,复杂环境,means,先验框,网络检测,检测精度,权值,目标检测模型,检测性能,逆光,遮挡,挡环,测试集,AP,精确率,召回率,调和平均,单张,检测时间,SSD,YOLOv3,Tiny,YOLOV4,模型检测,自然场景,光环境,检测影响,图像识别
AB值：
0.321925
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。
