基于改进YOLOv7的疏果期苹果目标检测方法

作     者：龙燕 杨智优 何梦菲 LONG Yan;YANG Zhiyou;HE Mengfei

作者机构：西北农林科技大学机械与电子工程学院杨凌712100 农业农村部农业物联网重点实验室杨凌712100 陕西省农业信息感知与智能服务重点实验室杨凌712100 

基　　金：陕西省重点研发计划一般项目—农业领域(2020NY-144) 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2023年第39卷第14期

页      码：191-199页

摘      要：疏果期苹果目标检测是实现疏果机械化、自动化需要解决的关键问题。为实现疏果期苹果目标准确检测,该研究以YOLOv7为基础网络,融合窗口多头自注意力机制,设计了一种适用于近景色小目标检测的深度学习网络。首先在YOLOv7模型的小目标检测层中添加Swin Transformer Block,保留更多小尺度目标特征信息,将预测框与真实框方向之间的差异考虑到模型训练中,提高模型检测精度,将YOLOv7中的损失函数CIoU替换为SIoU。最后利用Grad-CAM方法产生目标检测热力图,进行有效特征可视化,理解模型关注区域。经测试,该文模型的检测均值平均精度为95.2%,检测准确率为92.7%,召回率为91.0%,模型所占内存为81 MB,与原始模型相比,均值平均精度、准确率、召回率分别提高了2.3、0.9、1.3个百分点。该文模型对疏果期苹果具有更好的检测效果和鲁棒性,可为苹果幼果生长监测、机械疏果等研究提供技术支持。

主 题 词：图像识别 模型 苹果目标检测 SIoU 深度学习 

学科分类：0402[教育学-体育学类] 0710[理学-生物科学类] 0401[教育学-教育学类] 082804[082804] 08[工学] 0828[工学-建筑类] 0714[0714] 0901[农学-植物生产类] 0701[理学-数学类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11975/j.issn.1002-6819.202305069

馆 藏 号：203122743...