改进YOLOv7-Tiny农田环境下甜椒果实检测

TP391.41; 针对在农田环境下甜椒果实的深度学习目标检测算法容易出现误检率较高、检测精度较低的问题,为提高农业生产管理系统以及农业机器人生产效率.基于YOLOv7-Tiny目标检测算法进行一系列改进.在YOLOv7-Tiny的主干中添加DBB(diverse branch block)模块;在三个输出特征层添加SimAM注意力机制;采用Bi-FPN特征融合机制,并增加跨通道特征融合,在P7层加入ASPP空洞空间卷积池化金字塔结构;采用数据集增强技术,对数据集图片进行扩充和图像处理,将800张甜椒果实数据集图片扩充至4 800张.实验结果表明,在相同实验条件下改进YOLOv7-Tiny相较...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 59; no. 15; pp. 329 - 340
Main Authors 赵鹏飞, 钱孟波, 周凯琪, 单奕杰, 吴浩宇
Format Journal Article
LanguageChinese
Published 浙江农林大学 光机电工程学院,杭州 311300 01.08.2023
Subjects
甜椒检测
卷积神经网络
Bi-FPN
bell pepper detection
YOLOv7-Tiny
convolutional neural network
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2302-0224

Cover

More Information
Summary:TP391.41; 针对在农田环境下甜椒果实的深度学习目标检测算法容易出现误检率较高、检测精度较低的问题,为提高农业生产管理系统以及农业机器人生产效率.基于YOLOv7-Tiny目标检测算法进行一系列改进.在YOLOv7-Tiny的主干中添加DBB(diverse branch block)模块;在三个输出特征层添加SimAM注意力机制;采用Bi-FPN特征融合机制,并增加跨通道特征融合,在P7层加入ASPP空洞空间卷积池化金字塔结构;采用数据集增强技术,对数据集图片进行扩充和图像处理,将800张甜椒果实数据集图片扩充至4 800张.实验结果表明,在相同实验条件下改进YOLOv7-Tiny相较于YOLOv7-Tiny平均准确率(mAP)提高了2.21个百分点,视频检测速度32.82 FPS,改进YOLOv7-Tiny模型体积相较于YOLOv7-Tiny减小5.4 MB.改进YOLOv7-Tiny精度有明显提升,可实现快速、精准检测甜椒果实.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2302-0224