典型文献
基于半监督SPM-YOLOv5的套袋柑橘检测算法
文献摘要：
为解决柑橘经过套袋后其形状从圆形变为条状导致当前目标检测算法对套袋柑橘检测难度增大,同时目标检测算法性能依赖于有标记样本数量的问题.该研究设计了一种基于教师学生模型的SPM(Strip Pooling Module)-YOLOv5算法,在YOLOv5的骨干网络中加入条带注意力模块使模型更加关注条状的套袋柑橘与树枝,同时教师学生模型为半监督方法,使目标检测算法可利用无标记样本提升模型的性能,降低对有标记样本的依赖.试验结果表明,该算法在套袋柑橘与树枝检测的平均精度均值分别为77.4％与53.6％,相比YOLOv5分别提升了7.5个百分点与7.6个百分点,套袋柑橘检测的精度与召回率达到94.0％与76.2％.因此,基于教师学生模型的SPM-YOLOv5算法精度高、速度快,能有效用于套袋柑橘检测.
文献关键词：
机器视觉;图像识别;目标检测;套袋柑橘;YOLOv5;条带注意力;教师学生模型
中图分类号：
作者姓名：
吕佳;李帅军;曾梦瑶;董保森
作者机构：
重庆师范大学计算机与信息科学学院,重庆 401331;重庆市数字农业服务工程技术研究中心,重庆 401331
文献出处：
引用格式：
[1]吕佳;李帅军;曾梦瑶;董保森-.基于半监督SPM-YOLOv5的套袋柑橘检测算法)[J].农业工程学报,2022(18):204-211
A类：
套袋柑橘,柑橘检测,教师学生模型,条带注意力
B类：
半监督,SPM,YOLOv5,条状,目标检测算法,算法性能,标记样本,样本数量,Strip,Pooling,Module,骨干网络,注意力模块,树枝,监督方法,无标记,平均精度均值,百分点,召回率,机器视觉,图像识别
AB值：
0.169006
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。
