基于改进YOLOv4的田间密集小目标检测方法

文献类型： 中文期刊

第一作者： 杨军奇

作者： 杨军奇;冯全;王书志;张建华;杨森

作者机构：

关键词： 农业场景;密集小目标;YOLOv4;卷积注意力

期刊名称： 东北农业大学学报

ISSN： 1005-9369

年卷期： 2022 年 53 卷 005 期

页码： 69-79

收录情况： 北大核心 ; CSCD

摘要： 为研究农业场景下密集小目标难识别问题,提出一种基于卷积注意力的CBAM-YOLOv4密集小目标检测方法.该方法在YOLOv4模型骨干网络Add层和Concat层后嵌入卷积注意力模块(CBAM),在保证模型检测效率基础上提高模型检测精度.通过设置多种试验条件,使用不同密集程度、光照条件及天气状况下采集的密集葡萄叶片数据测试模型检测效果,试验对比EfficientDet、YOLOv3、YOLOv4及CBAM-YOLOv44种网络,采用统计AP值的评价方法评估各模型差异.结果表明,在密集葡萄叶片数据集中,CBAM-YOLOv4模型识别效果提升明显,对于高度密集叶片数据集,该模型AP值为82.04%,相比YOLOv4提高1.94%,高于其他检测模型3%~4%.将该模型应用于无人机果树资源调查中,对果树的计数精度为90.43%.以上试验结果表明,该方法对农业场景下密集小目标检测具有较高精度.

分类号： TP391

  • 相关文献

[1]改进YOLOv4的温室环境下草莓生育期识别方法. 龙洁花,郭文忠,林森,文朝武,张宇,赵春江. 2021

[2]基于改进YOLOv4算法的番茄叶部病害识别方法. 储鑫,李祥,罗斌,王晓冬,黄硕. 2023

[3]基于YOLOv4的稻田杂草目标检测算法. 袁涛,胡冬,马超,李琳一,郑秀国,钱戴玲. 2023

[4]基于RFID与目标检测的种鹅个体产蛋信息监测方法. 陶雪阳,施振旦,郭彬彬,戴子淳. 2023

作者其他论文 更多>>

微信小程序