基于轻量化高效层聚合网络的黄花成熟度检测方法

作者：吴利刚; 陈乐; 周倩; 史建华; 马宇波

来源：农业机械学报, 2023, 1-9.

• 黄花
• 深度学习
• 注意力机制
• 信息融合机制

针对黄花传统人工识别效率低，辨识标准不统一的问题，提出基于轻量化和高效层聚合过渡网络的黄花成熟度识别方法LSEB YOLO v7。首先，引入轻量化卷积对高效层聚合网络和过渡模块进行轻量化处理，减少模型计算量。其次，在特征提取与特征融合网络之间增加通道注意力机制，提升模型检测性能。最后，在特征融合网络中，优化通道信息融合方式，使用双向特征金字塔网络替换Concatenate，增加信息融合通道，持续提升模型性能。实验结果表明：与原始算法相比，在黄花成熟检测中，改进后的LSEB YOLO v7算法参数量和浮点运算量分别减少约0.20×107和7.7×109。训练时长由8.025h降低至7.746h，模型体积压缩约4MB。同时，训练精确度和召回率分别提升约0.641个百分点和0.143个百分点，mAP@0.5和mAP@0.5:0.95分别提升约1.841个百分点和1.021个百分点。此外，调和均值性能保持不变，均为84%。LSEB YOLO v7算法可解决模型复杂性与性能之间相悖的问题，为黄花智能化成熟采摘检测设备提供技术支持。

• 单位
  机电工程学院; 山西大同大学; 大同大学商学院