-
题名一种超轻量化草莓成熟度检测模型YECC
- 1
-
-
作者
谢慰群
彭智朝
-
机构
湖南人文科技学院信息学院
-
出处
《南方农机》
2024年第18期9-17,共9页
-
基金
湖南省研究生科研创新项目“基于深度学习的农作物病虫害识别系统开发”(ZSCX2023Y41)。
-
文摘
【目的】实现在大棚草莓种植环境下,在资源受限的移动设备端如安卓手机端,实时快速精准地识别不同成熟度的草莓。【方法】提出了一种超轻量化草莓成熟度检测模型YECC,该模型基于轻量级网络模型YOLOv8n进行改进,首先使用EfficientNetv2模块对Backbone部分进行轻量化改进,使模型的三类轻量化指标大幅优化,同时提升检测速度;然后把头层特征提取层Stem模块继续改用YOLOv8n的Conv模块,提升检测精度;接着使用CBAM注意力机制替换原模型Neck部分最后的C2f模块,进一步优化模型的三类轻量化指标,经过改进后的模型称为YECC。同时将YECC模型部署于安卓手机端,开发了一款名为StrawberryDetect的草莓成熟度检测App,并对比了YECC模型和YOLOv8n模型在图库、拍照、实时视频流三个模式下的草莓成熟度检测结果。【结果】YECC的FLOPs缩减至YOLOv8n的31%,Memorysize缩减至58%,Parameters缩减至56%,同时YECC的AP50(ripe类)识别率达到了0.969,高于YOLOv8n的0.968;并且在安卓平台的对比测试表明,在检测精度近似的情况下,YECC模型的FPS是YOLOv8n的两倍以上,可以精准流畅地进行草莓成熟度检测。【结论】本设计能实现草莓生长自动化监控,为色盲色弱从业人员提供采摘依据,为农业采摘机器人提供技术支持,也为成功把模型泛化到类似的工作场景提供了可行的方案。
-
关键词
YECC
YOLOv8n
草莓成熟度检测
三类轻量化指标
AP50(ripe类)
FPS
-
分类号
S668.4
[农业科学—果树学]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进YOLOv5s的草莓成熟度实时检测算法
- 2
-
-
作者
梁敖
代东南
牛思琪
许晓琳
周延培
马德新
-
机构
青岛农业大学传媒学院
-
出处
《山东农业科学》
2024年第11期156-163,共8页
-
基金
山东省重点研发计划项目(2024CXGC010905,2023TZXD023)
山东省自然科学基金项目(ZR2022MC152)
中央引导地方科技发展专项计划项目(23-1-3-6-zyyd-nsh)。
-
文摘
本研究提出了一种基于YOLOv5s的草莓成熟度实时检测算法YOLOv5s-SCS,该算法针对检测过程中草莓数量多、体积小、果实之间遮挡、重叠、密集等特点,优化了对小目标和密集目标存在误检和漏检等问题,显著提升了检测速度。首先,引入SimOTA匹配算法动态分配成熟草莓正样本,提高成熟草莓的识别能力;其次,将YOLOv5s颈部的部分C3模块替换成C2f模块,实现了模型的轻量化,提升了模型的平均检测精度;最后,在YOLOv5s骨干网络的首个C3模块中添加具有全局感受野的SE(Squeeze-and-Excitation)注意力机制,该机制通过自动学习方式获取每个特征通道的重要程度,并且利用得到的重要程度来提升特征并抑制对当前任务不重要的特征。实验结果表明,改进后的算法平均精度均值、精确率、召回率、模型体积、检测速度分别为98.3%、92.6%、96.6%、13.5 MB和89.3 FPS,相较于原始YOLOv5s平均精度均值提高了1.8个百分点,精确率和召回率分别提升了1.3个和2.1个百分点,模型体积减小了0.3 MB,检测速度提高了82.24%,NMS(非极大值抑制处理)和图像预处理的时间大幅缩减,检测速度达到实时检测要求。该算法与其他算法比较,识别精度及模型体积均优于其他算法,在复杂环境下具有良好的鲁棒性,为开发草莓成熟度实时检测系统提供了解决方案。
-
关键词
深度学习
草莓成熟度检测
YOLOv5s
SE注意力机制
SimOTA
-
Keywords
Deep learning
Strawberry maturity detection
YOLOv5s
SE attention mechanism
SimOTA
-
分类号
S668.4
[农业科学—果树学]
S126
[农业科学—农业基础科学]
-
