文献类型： 中文期刊

作者： 龙洁花 ¹ ; 郭文忠 ¹ ; 林森 ¹ ; 文朝武 ¹ ; 张宇 ¹ ; 赵春江 ¹ ;

作者机构： 1.北京市农林科学院智能装备技术研究中心;上海海洋大学信息学院

关键词： 目标检测;草莓;生育期识别;YOLOv4;残差模块;注意力机制;损失函数

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2021 年 04 期

页码： 99-110

摘要： 针对目前设施农业数字化栽培调控技术中对作物的生育期实时检测与分类问题,提出一种改进YOLOv4的温室环境下草莓生育期识别方法。该方法将注意力机制引入到YOLOv4主干网络的跨阶段局部残差模块(Cross Stage Partial Residual,CSPRes)中,融合草莓不同生长时期的目标特征信息,同时降低复杂背景的干扰,提高模型检测精度的同时保证实时检测效率。以云南地区的智能设施草莓为试验对象,结果表明,本研究提出的YOLOv4-CBAM (YOLOv4-Convolutional Block Attention Module)模型对开花期、果实膨大期、绿果期和成熟期草莓的检测平均精度(Average Precision,AP)分别为92.38%、82.45%、68.01%和92.31%,平均精度均值(Mean Average Precision,mAP)为83.79%,平均交并比(Mean Inetersection over Union,mIoU)为77.88%,检测单张图像时间为26.13 ms。YOLOv4-CBAM模型检测草莓生育期的mAP相比YOLOv4、YOLOv4-SE、YOLOv4-SC模型分别提高8.7%、4.82%和1.63%。该方法可对草莓各生育期目标进行精准识别和分类,并为设施草莓栽培的信息化、规模化调控提供有效的理论依据。