改进YOLOv4 的温室环境下草莓生育期识别方法

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）》

龙洁花 郭文忠 林森 文朝武 张宇 赵春江

摘要： 针对目前设施农业数字化栽培调控技术中对作物的生育期实时检测与分类问题，提出一种改进YO⁃ LOv4的温室环境下草莓生育期识别方法。该方法将注意力机制引入到YOLOv4主干网络的跨阶段局部残差 模块（Cross Stage Partial Residual，CSPRes） 中，融合草莓不同生长时期的目标特征信息，同时降低复杂背 景的干扰，提高模型检测精度的同时保证实时检测效率。以云南地区的智能设施草莓为试验对象，结果表 明，本研究提出的YOLOv4-CBAM（YOLOv4-Convolutional Block Attention Module） 模型对开花期、果实膨大 期、绿果期和成熟期草莓的检测平均精度（Average Precision，AP） 分别为92.38%、82.45%、68.01% 和 92.31%，平均精度均值（Mean Average Precision，mAP） 为83.79%，平均交并比（Mean Inetersection over Union，mIoU） 为77.88%，检测单张图像时间为26.13 ms。YOLOv4-CBAM模型检测草莓生育期的mAP 相比 YOLOv4、YOLOv4-SE、YOLOv4-SC模型分别提高8.7%、4.82%和1.63%。该方法可对草莓各生育期目标进 行精准识别和分类，并为设施草莓栽培的信息化、规模化调控提供有效的理论依据。

 点击量 344  下载量 143  评论