文献类型：期刊文章

作　　者：王磊磊[1] 王斌[1] 李东晓[2] 赵义鹏[1] 王春霞[2] 张迪迪[1]

WANG Leilei;WANG Bin;LI Dongxiao;ZHAO Yipeng;WANG Chunxia;ZHANG Didi(School of Mechanical and Equipment Engineering,Hebei University of Engineering,Handan 056038,China;School of Landscape and Ecological Engineering,Hebei University of Engineering,Handan 056038,China)

机构地区：[1]河北工程大学机械与装备工程学院,邯郸056038 [2]河北工程大学园林与生态学院,邯郸056038

出　　处：《农业工程学报》

基　　金：河北省农业科技成果转化项目(202360101010014);河北省高等学校学科技术研究计划(QN2021210)。

年　　份：2023

卷　　号：39

期　　号：17

起止页码：163-171

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2023_2024、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：随着食用菌行业由自动化向智能化、信息化发展的趋势越来越明显,为了实现现代化菇房中平菇的准确检测,解决工厂化平菇栽培中收获阶段平菇之间相互遮挡等问题,帮助平菇采收机器人进行准确的自动化采收,该研究提出了一种基于YOLOv5(you only look once version 5)模型的OMM-YOLO(ostreatus measure modle-YOLO)平菇目标检测与分类模型。通过在YOLOv5模型的Backbone层添加注意力模块,对输入的平菇图像特征进行动态加权,以获得更详细的特征信息,并在Neck层采用加权双向特征金字塔网络,通过与不同的特征层融合,提高算法的平菇目标检测的精度。此外,为了改善算法的准确性和边界框纵横比的收敛速度,该文采用了EIoU(enhanced intersection over union)损失函数替代了原有的损失函数。试验结果表明,与原始模型相比,改进模型OMM-YOLO对成熟平菇、未成熟平菇和未生长平菇的平均精度均值分别提高了0.4个百分点、4.5个百分点和1.1个百分点。与当前主流模型Resnet50、VGG16、YOLOv3、YOLOv4、YOLOv5m和YOLOv7相比,该模型的精确率、召回率和检测精度均处于优势,适用于收集现代化菇房中的平菇信息,有效避免了平菇之间因相互遮挡而产生的误检测现象。菇房平菇目标检测可以自动化地检测平菇的数量、生长状态等信息,帮助菇房工作人员掌握菇房内的菇况,及时调整温湿度等环境条件,提高生产效率,并且对可以对平菇进行质量控制,确保平菇产品的统一性和品质稳定性。同时可以减少对人工的依赖,降低人力成本,实现可持续发展,对智能化现代菇房建设具有积极作用。

关 键 词：目标检测 分类  模型  高效通道注意力模块  平菇 加权双向特征金字塔  EIoU损失函数  

分 类 号：TP391.4]