典型文献
快速精准识别棚内草莓的改进YOLOv4-Tiny模型
文献摘要：
为了实现棚内草莓果实的快速精准识别,该研究提出一种基于改进YOLOv4-Tiny的草莓检测模型.首先,为了大幅度减少模型计算量,采用轻量型网络GhostNet作为特征提取网络,并在GhostBottleneck结构中嵌入卷积注意力模块以加强网络的特征提取能力;其次,在颈部网络中添加空间金字塔池化模块和特征金字塔网络结构,融合多尺度特征提升小目标草莓的检测效果;最后,采用高效交并比损失作为边界框回归损失函数,加速网络收敛并提高模型的检测准确率.结果表明,改进YOLOv4-Tiny模型权重大小仅为4.68 MB,平均每幅图片的检测时间为5.63 ms,在测试集上的平均精度均值达到92.62％,相较于原YOLOv4-Tiny模型提升了5.77个百分点.与主流的目标检测模型SSD、CenterNet、YOLOv3、YOLOv4和YOLOv5s相比,改进YOLOv4-Tiny模型平均精度均值分别高出9.11、4.80、2.26、1.22、1.91个百分点,并且模型权重大小和检测速度方面均具有绝对优势,该研究可为后续果实智能化采摘提供技术支撑.
文献关键词：
机器视觉;图像处理;果实识别;YOLOv4-Tiny;注意力机制;小目标
中图分类号：
作者姓名：
孙俊;陈义德;周鑫;沈继锋;武小红
作者机构：
江苏大学电气信息工程学院,镇江 212013
文献出处：
引用格式：
[1]孙俊;陈义德;周鑫;沈继锋;武小红-.快速精准识别棚内草莓的改进YOLOv4-Tiny模型)[J].农业工程学报,2022(18):195-203
A类：
B类：
精准识别,棚内,草莓,YOLOv4,Tiny,计算量,轻量型网络,GhostNet,特征提取网络,GhostBottleneck,卷积注意力模块,特征提取能力,空间金字塔池化,金字塔池化模块,特征金字塔网络结构,多尺度特征,小目标,检测效果,交并比损失,边界框回归损失函数,网络收敛,检测准确率,模型权重,MB,每幅,检测时间,ms,测试集,平均精度均值,百分点,目标检测模型,SSD,CenterNet,YOLOv3,YOLOv5s,模型平均,检测速度,绝对优势,智能化采摘,机器视觉,果实识别,注意力机制
AB值：
0.405242
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。
