基于LW-YOLOv3模型的棉花主茎生长点检测与定位研究

文献类型： 中文期刊

第一作者： 孙想

作者： 孙想;吴华瑞;朱华吉;杨雨森;陈诚;何思琪;王春山

作者机构：

关键词： 轻量化;YOLOv3;定位;实时检测;棉花主茎生长点

期刊名称： 河北农业大学学报

ISSN： 1000-1573

年卷期： 2021 年 006 期

页码： 106-115

收录情况： 北大核心 ; CSCD

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,LWYOLOv3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17.8ms,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、3.53mm。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。

分类号： S562

  • 相关文献

[1]基于边缘设备的轻量化小目标果实检测模型. 张文利,陈开臻,刘鈺昕,段玉林,郭威,史云. 2021

[2]基于不规则三棱柱分割法实时测算果树冠层体积. 李鹏,张明,戴祥生,王腾,郑永强,易时来,吕强. 2019

[3]边缘设备上的葡萄园田间场景障碍检测. 崔学智,冯全,王书志,张建华. 2021

[4]基于STM8S207单片机的测试架系统设计. 王娟,陈致水,袁成宇,王东劲. 2012

[5]基于改进YOLOv5n的花生荚果实时检测方法. 吴阳华,王建楠,刘敏基,游兆延,谢焕雄,杜元杰. 2025

[6]基于改进YOLOv3的温室番茄果实识别估产方法. 成伟,张文爱,冯青春,张万豪. 2021

[7]基于Yolo的结直肠息肉CT影像分析算法研究. 代国威,晏静香. 2021

[8]基于卷积神经网络的水稻虫害识别方法. 郭阳,许贝贝,陈桂鹏,丁建,严志雁,梁华,吴昌华. 2021

[9]改进YOLOv3的多尺度高分辨率特征增强图像目标检测. 杨文姬,李浩,王映龙,梅梦. 2023

[10]基于YOLOv3深度学习算法的桑椹菌核病严重度检测方法研究与应用. 朱志贤,邱盼,张成,董朝霞,张凤,胡兴明,于翠. 2024

[11]一种剑麻装载机的轻量化设计与应用. 陈涛,金刚,覃旭,黄显雅,彭欣怡,刘明,吴密,周肇峰. 2021

[12]基于轻量化卷积神经网络的改进模型与验证. 李润龙,王运圣,徐识溥,刘勇. 2020

[13]改进Multi-scale ResNet的蔬菜叶部病害识别. 王春山,周冀,吴华瑞,滕桂法,赵春江,李久熙. 2020

[14]喷雾机喷杆结构的研究现状及展望. 乔白羽,丁素明,薛新宇,崔龙飞,周晴晴,张亚萍. 2017

[15]电驱自走式农机测试平台的设计. 余涛,刘俊杰,杨存志,叶岩,孙先明,李国林. 2021

[16]轻型拖车车架设计和静动力学仿真研究. 石凯飞. 2022

[17]基于RDN-YOLO的自然环境下水稻病害识别模型研究. 廖娟,刘凯旋,杨玉青,严从宽,张爱芳,朱德泉. 2024

[18]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

[19]基于改进YOLO v5s的轻量化植物识别模型研究. 马宏兴,董凯兵,王英菲,魏淑花,黄文广,苟建平. 2023

[20]基于 YOLOV5-MobilenetV3和声呐图像的鱼类识别轻量化模型. 罗毅智,陆华忠,周星星,袁余,齐海军,李斌,刘志昌. 2023

作者其他论文 更多>>

微信小程序