基于Compact-YOLO v4算法的茶叶嫩芽移动端识别方案

作者：黄家才; 唐安; 陈光明; 张铎; 高芳征; 陈田

来源：农业机械学报, 2023, 1-11.

• 茶叶嫩芽识别
• 轻量化
• Compact-YOLO v4
• 移动端部署

茶叶嫩芽精准识别是实现嫩芽智能化采摘的前提与基础，采用视觉和深度学习的嫩芽识别方法逐渐成熟，但该方法过度依赖于高性能硬件，不利于采茶机器人移动端的部署，针对这一问题，本文提出一种基于Compact-YOLO v4算法的茶叶嫩芽移动端识别方案。首先对YOLO v4算法的Backbone网络和Neck网络进行改进，将Backbone网络替换为GhostNet，将Neck网络中传统卷积替换为Ghost卷积，改进后的模型内存占用量仅为原来的1/5。接着运用迁移学习的训练方法提升模型精度，试验表明，Compact-YOLO v4算法模型的精度、召回率、平均精度均值、F1值分别为51.07%、78.67%、72.93%和61.45%。最后将本文算法模型移植到PRO-RK3568-B移动端开发板，通过转换模型、量化处理、改进部署环境3种方式，降低模型推理计算对硬件性能的需求程度，最终在保证嫩芽识别准确率的前提下，实现了优化模型推理过程、减轻移动端边缘计算压力的目的，为茶叶嫩芽采摘机器人的实际应用提供了理论和实践基础。

• 单位
  南京工程学院; 自动化学院; 南京农业大学