文献类型：期刊文章

作　　者：刘天真[1,2] 苑迎春[1] 滕桂法[1,3] 孟惜[4]

Liu Tianzhen

机构地区：[1]河北农业大学信息科学与技术学院,河北保定071001 [2]保定学院信息工程学院,河北保定071000 [3]河北省农业大数据重点实验室,河北保定071001 [4]石家庄学院未来信息技术学院,河北石家庄050035

出　　处：《江苏农业科学》

基　　金：国家自然科学基金(编号:62102130);河北省自然科学基金(编号:F2020204003);保定市科技计划(编号:2211ZG010)。

年　　份：2024

卷　　号：52

期　　号：1

起止页码：163-172

语　　种：中文

收录情况：BDHX、BDHX2023、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为实现冬枣园机械化自动化采摘以及冬枣树精准化管理,针对自然场景下冬枣果实的快速、准确分类识别问题,提出一种基于YOLO v4模型改进的冬枣果实分类识别模型CC-YOLO v4。利用改进的CSP跨阶段部分连接结构和多尺度特征融合的CBAM卷积注意力模块,减小网络规模的同时增强特征提取能力,改善果实分类识别的误检和遮挡目标的漏检情况;采用Softmax交叉熵损失函数代替Sigmoid二元交叉熵损失函数作为分类损失函数,引入EIoU损失函数代替CIoU损失函数作为边界框回归损失,进一步改善果实分类识别的误检并提升预测框精度。试验结果表明,CC-YOLO v4模型对3类冬枣果实的查准率P均值为81.86%,平均检测精度均值mAP为82.46%,IoU均值为81.35%,模型参数量和大小分别为26.9 M和108 MB,检测速度可达28.8 F/s。与其他模型相比,本模型具有更好的分类识别能力、识别速度和较小的模型复杂度。在不同果实数量情况下进一步试验,本研究方法具有良好的精度和鲁棒性,对解决自然场景下冬枣果实的精准分类识别问题具有重要参考价值。

关 键 词：冬枣 果实识别  YOLO v4  损失函数 自然场景

分 类 号：TP391.41]