文献类型：期刊文章

作　　者：孙想[1,2] 吴华瑞[1,2] 朱华吉[1,2] 杨雨森[5] 陈诚[1,2] 何思琪[3,4] 王春山[3,4]

SUN Xiang;WU HuaRui;ZHU Huaji;YANG Yusen;CHENG Cheng;HE Siqi;WANG Chunshan(National Engineering Research Center for Information Technology in Agriculture,Beijing 100097,China;Beijing Research Center for Information Technology in Agriculture,Beijing 100097,China;College of Information Science and Technology,Hebei Agricultural University,Baoding 071001,China;Hebei Province Key Laboratory of Agricultural data,Baoding 071001,China;Leeds College Southwest,Jiaotong University,Chengdu 611756,China.)

机构地区：[1]国家农业信息化工程技术研究中心,北京100097 [2]北京农业信息技术研究中心,北京100097 [3]河北农业大学信息科学与技术学院,河北保定071001 [4]河北省农业大数据重点实验室,河北保定071001 [5]西南交通大学利兹学院,四川成都611756

出　　处：《河北农业大学学报》

基　　金：国家自然基金项目(61871041);河北省属高等学校基本科研业务费研究项目(KY202004).

年　　份：2021

卷　　号：44

期　　号：6

起止页码：106-115

语　　种：中文

收录情况：BDHX、BDHX2020、CAB、CAS、CSCD、CSCD_E2021_2022、JST、RCCSE、WOS、ZGKJHX、核心刊

摘　　要：针对大多数目标检测模型存在参数量较多、检测时间慢、缺乏空间定位能力的问题,提出1种基于轻量型LW-YOLOv3的棉花主茎生长点检测与定位方法。首先,对传统YOLOv3深度卷积神经网络架构进行改进,引入轻量级识别模型MobileNet实现对YOLOv3特征提取网络的替代,在保证检测精度的同时提高检测速度。其次,为了进一步降低参数量,用深度可分离卷积替换部分标准卷积,在不损失网络性能的前提下减少模型参数。最后,利用Realsense深度相机获取目标图像,建立了棉花主茎生长点三维空间坐标的计算模型。为验证基于LW-YOLOv3模型的棉花主茎生长点检测与定位方法的有效性,对获得的有限棉花主茎生长点图像数据集进行了样本扩充,并基于扩充后的数据集进行了LW-YOLOv3与其他轻量型模型的对比实验。结果表明,LW-YOLOv3模型平均识别准确率可达到88.66%,平均每张图片检测时间为17.8 ms,参数量与权重文件分别降低为原网络的10.85%和12.19%。棉花主茎生长点X、Y、Z三维空间定位平均误差分别小于3.04、3.00、3.53 mm。该方法在目标检测准确率与模型大小之间实现了平衡,有助于将来在机载低性能终端上实现对棉花主茎生长点检测与定位。

关 键 词：轻量化 YOLOv3  定位  实时检测 棉花主茎生长点  

分 类 号：S511]