科研之友
微信
新浪微博
Facebook
分享链接
摘要
目的:解决现有番茄成熟度检测方法存在的检测精度低和模型参数量多等问题。方法:基于番茄图像采集系统，提出了一种改进的YOLOv4模型用于番茄成熟度自动检测。将轻量级网络MobileNetv3网络引入模型替换CSPDarkNet53网络，降低模型复杂度。在SPP模块中采用平均池化替代最大池化，提高算法对小目标的检测精度。在上采样过程中引入注意力机制CBAM增强深浅层特征融合能力，并通过试验验证所提模型的可行性。结果:与常规方法相比，试验方法在番茄成熟度检测中具有较高的检测mAP值和运行效率，且模型参数量较少，mAP值为92.50%,检测速度为37.1 FPS,模型参数量为48 M。结论:该番茄成熟度检测方法能有效降低模型参数和检测时间，具有较高的检测mAP值。
- 单位
