基于AC-YOLO的路面落叶检测方法

作者：缪燕子^*; 张宗伟; 王贺升; 代伟; 赵忠祥; 王啸林; 杨春雨; 史延诺

来源：控制与决策, 2023, 38(07): 1878-1886.

DOI：10.13195/j.kzyjc.2021.1759

• 落叶检测
• YOLOv3
• 小目标检测
• 上下文信息
• 注意力机制
• Mish激活
• 非极大值融合

随着城市绿化程度的不断提高,落叶清理任务变得更加复杂繁重.针对落叶形状多变、大小不一、背景复杂、分布不均的特点,提出一种融合Attention-Context (AC)网络和YOLOv3的落叶检测算法(AC-YOLO),解决现有模型对落叶漏检、误检的问题,实现快速、准确地识别检测路面落叶.针对小目标落叶易发生漏检的问题,提出AC网络结构,将不同层次的特征映射融合作为小目标的上下文信息,同时引入自注意力机制来抑制复杂背景和底层噪声带来的影响,提升小目标落叶检测能力;其次,采用Mish激活函数替换Leaky ReLU以提升模型的泛化能力,提高落叶检测准确度;最后,考虑到落叶堆叠情况对清理机器人的工作效率有影响,提出非极大值融合算法(nonmaximum fusion, NMF)来融合密集落叶预测框,从而通过更少的导航点解决密集落叶的检测问题,同时提升落叶检测清理的效率.实验结果表明,基于AC-YOLO的检测算法对落叶检测的覆盖率(cover)达到95%,检测速度达到53帧/s,可以完成实际应用环境中的落叶检测任务,实现对落叶的高效率、智能化清理.

• 单位
  中国矿业大学（北京）; 中国矿业大学