典型文献
基于改进EfficientDet的油橄榄果实成熟度检测
文献摘要：
自然环境下自动准确地检测油橄榄果实的成熟度是实现油橄榄果实自动化采摘的基础.该研究根据成熟期油橄榄果实表型特征的变化以及参考国际油橄榄理事会和中国林业行业标准的建议制定了油橄榄果实成熟度标准,并针对油橄榄果实相邻成熟度特征差异不明显以及果实之间相互遮挡问题,提出一种改进EfficientDet的油橄榄果实成熟度检测方法.首先改进特征提取网络,在特征提取网络中引入卷积注意力模块(Convolution Block Attention Module,CBAM)细化不同成熟度之间的特征映射;其次改进特征融合网络,在加权双向特征金字塔网络(Bidirectional Feature Pyramid Network,Bi-FPN)中增加跨级的数据流加强果实的相对位置信息,最后通过623幅油橄榄测试图像对改进的EfficientDet模型进行测试.改进EfficientDet模型在测试集下的精确率P、召回率R和平均精度均值mAP分别为92.89％、93.59％和94.60％,平均检测时间为0.337 s,模型大小为32.4 M.对比SSD、EfficientDet、YOLOv3、YOLOv5s和Faster R-CNN模型,平均精度均值mAP分别提升7.85、4.77、3.73、1.15和1.04个百分点.改进EfficientDet模型能够为油橄榄果实的自动化采摘提供有效探索.
文献关键词：
油橄榄果实;成熟度检测;EfficientDet;注意力机制;深度学习
中图分类号：
作者姓名：
陈锋军;张新伟;朱学岩;李志强;林剑辉
作者机构：
北京林业大学工学院,北京 100083;城乡生态环境北京实验室,北京 100083;国家林业局林业装备与自动化国家重点实验室,北京 100083;智慧林业研究中心,北京 100083
文献出处：
引用格式：
[1]陈锋军;张新伟;朱学岩;李志强;林剑辉-.基于改进EfficientDet的油橄榄果实成熟度检测)[J].农业工程学报,2022(13):158-166
A类：
B类：
EfficientDet,油橄榄果实,果实成熟度,成熟度检测,下自,采摘,究根,成熟期,表型特征,理事会,中国林业,林业行业,实相,特征差异,遮挡问题,改进特征,特征提取网络,卷积注意力模块,Convolution,Block,Attention,Module,CBAM,不同成熟度,特征映射,特征融合网络,加权双向特征金字塔网络,Bidirectional,Feature,Pyramid,Network,FPN,数据流,相对位置,位置信息,测试集,精确率,召回率,平均精度均值,mAP,检测时间,SSD,YOLOv3,YOLOv5s,Faster,百分点,有效探索,注意力机制
AB值：
0.308356
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。
