基于改进YOLOX 的自然环境中火龙果检测方法

分类： 农、林、牧、渔 >> 农、林、牧、渔业科学其他学科 提交时间： 2023-02-17 合作期刊: 《智慧农业（中英文）》

商枫楠 周学成 梁英凯 肖明玮 陈桥 罗陈迪

摘要： 自然环境下果实的精准检测是火龙果采摘机器人执行采摘作业的先决条件。为提高自然环境下果 实识别的精确性、鲁棒性和检测效率，本研究对YOLOX（You Only Look Once X） 网络进行改进，提出了一 种含有注意力模块的目标检测方法。为便于在嵌入式设备上部署，本方法以YOLOX-Nano网络为基准，将 卷积注意力模块（Convolutional Block Attention Module，CBAM） 添加到YOLOX-Nano的主干特征提取网络 中，通过为主干网络提取到不同尺度的特征层分配权重系数来学习不同通道间特征的相关性，加强网络深 层信息的传递，降低自然环境背景下对火龙果识别的干扰。对该方法进行性能评估和对比试验，经过训练 后，该火龙果目标检测网络在测试集的AP0.5值为98.9%，AP0.5:0.95的值为72.4%。在相同试验条件下对比其它 YOLO网络模型，该方法平均检测精度分别超越YOLOv3、YOLOv4-Tiny和YOLOv5-S模型26.2%、9.8%和 7.9%。最后对不同分辨率的火龙果果园自然环境下采集的视频进行实时测试。试验结果表明，本研究提出 的改进YOLOX-Nano目标检测方法，每帧平均检测时间为21.72 ms，F1值为0.99，模型大小仅3.76 MB，检 测速度、检测精度和模型大小满足自然环境下火龙果采摘的技术要求。

 点击量 637  下载量 200  评论 0