文献类型：期刊文章

作　　者：亚森江·白克力[1] 周显锞[2] 刘锋[3] 岳勇[1] 赵子祺[1]

Yasenjiang Baikeli;ZHOU Xian-ke;LIU Feng;YUE Yong;ZHAO Zi-qi(College of Mechanical and Electrical Engineering,Xinjiang Agricultural University,Urumqi 830052,China;Institute of Computer Innovation and Technology,Zhejiang University,Hangzhou 310000,China;Department of Laboratory and Base Management,Xinjiang Agricultural University,Urumqi 830052,China)

机构地区：[1]新疆农业大学机电工程学院,乌鲁木齐830052 [2]浙江大学计算机创新技术研究院,杭州310000 [3]新疆农业大学实验室与基地管理处,乌鲁木齐830052

出　　处：《新疆农业大学学报》

基　　金：新疆维吾尔自治区青年科学基金项目(2022D01B91);新疆维吾尔自治区自然科学基金面上项目(2021D01A101)。

年　　份：2023

卷　　号：46

期　　号：5

起止页码：414-420

语　　种：中文

收录情况：CAS、JST、普通刊

摘　　要：为了解决既要提高棉花顶点识别效率,又要简化复杂模型以便在边缘计算设备上部署的问题,本研究提出了一种基于Tiny-YOLOv4的改进方法。对Tiny-YOLOv4的backbone网络进行了结构优化,通过用更高效的Bottleneck模块替换原有的第一个BottleneckCSP模块,简化了模块内的连接,直接将部分输入特征图传递至输出,有效减少了模型的参数数量和计算复杂度。针对棉花顶芽的检测还引入了微型CSP-Spatial Pyramid Pooling模块,旨在提升对微小物体的检测准确性并进一步降低计算负担。经验证,改进后的模型相比Tiny-YOLOv4模型,在计算复杂度上减少了33%的浮点运算,处理时间缩短至0.071 s。结果表明,该方法在确保高效识别的同时,显著降低了计算复杂度,展现了其在轻量化部署方面的优势。

关 键 词：Tiny-YOLOv4  轻量化识别  棉花顶芽  特征提取

分 类 号：S562] TP391.41]