典型文献
融合轻量化网络与注意力机制的果园环境下苹果检测方法
文献摘要：
为提高复杂果园环境下苹果检测的综合性能,降低检测模型大小,通过对单阶段检测网络YOLOX-Tiny的拓扑结构进行了优化与改进,提出了一种适用于复杂果园环境下轻量化苹果检测模型(Lightweight Apple Detection YOLOX-Tiny Network,Lad-YXNet).该模型引入高效通道注意力(Efficient Channel Attention,ECA)和混洗注意力(Shuffle Attention,SA)两种轻量化视觉注意力模块,构建了混洗注意力与双卷积层(Shuffle Attention and Double Convolution Layer,SDCLayer)模块,提高了检测模型对背景与果实特征的提取能力,并通过测试确定Swish与带泄露修正线性单元(Leaky Rectified Linear Unit,Leaky-ReLU)作为主干与特征融合网络的激活函数.通过消融试验探究了Mosaic增强方法对模型训练的有效性,结果表明图像长宽随机扭曲对提高模型综合检测性能贡献较高,但图像随机色域变换由于改变训练集中苹果的颜色,使模型检测综合性能下降.为提高模型检测苹果的可解释性,采用特征可视化技术提取了Lad-YXNet模型的主干、特征融合网络和检测网络的主要特征图,探究了Lad-YXNet模型在复杂自然环境下检测苹果的过程.Lad-YXNet经过训练在测试集下的平均精度为94.88％,分别比SSD、YOLOV4-Tiny、YOLOV5-Lite和YOLOX-Tiny模型提高了3.10个百分点、2.02个百分点、2.00个百分点和0.51个百分点.Lad-YXNet检测一幅图像的时间为10.06 ms,模型大小为16.6 MB,分别比YOLOX-Tiny减少了20.03％与18.23％.该研究为苹果收获机器人在复杂果园环境下准确、快速地检测苹果提供了理论基础.
文献关键词：
图像处理;可视化;苹果检测;收获机器人;卷积网络;视觉注意力机制
中图分类号：
作者姓名：
胡广锐;周建国;陈超;李传林;孙丽娟;陈雨;张硕;陈军
作者机构：
西北农林科技大学机械与电子工程学院,杨凌 712100
文献出处：
引用格式：
[1]胡广锐;周建国;陈超;李传林;孙丽娟;陈雨;张硕;陈军-.融合轻量化网络与注意力机制的果园环境下苹果检测方法)[J].农业工程学报,2022(19):131-142
A类：
Lad,YXNet,SDCLayer,Rectified
B类：
轻量化网络,果园,苹果检测,检测模型,单阶段,测网,YOLOX,Tiny,拓扑结构,优化与改进,Lightweight,Apple,Detection,Network,高效通道注意力,Efficient,Channel,Attention,ECA,混洗,Shuffle,SA,注意力模块,双卷积,卷积层,Double,Convolution,果实特征,特征的提取,Swish,带泄露修正线性单元,Leaky,Linear,Unit,ReLU,特征融合网络,激活函数,试验探究,Mosaic,增强方法,模型训练,长宽,型综合,综合检测,检测性能,色域,域变换,训练集,模型检测,性能下降,可解释性,特征可视化,可视化技术,特征图,经过训练,测试集,SSD,YOLOV4,YOLOV5,Lite,百分点,一幅,ms,MB,收获机器人,卷积网络,视觉注意力机制
AB值：
0.395845
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。
