科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对采摘机器人设备计算力不足，目标检测速度受限，难以满足实时应用，提出一种基于改进YOLOv4的轻量化算法，用于提高检测速度和减少网络体积。采用轻量化的主干网络Ghostnet替代YOLOv4中的CSPdarknet53主干网络，减少了参数量。在替换主干网络的基础上，再采用深度可分离卷积替换YOLOv4中的颈部网络，进一步减少了权重和计算量。随后在空间金字塔池化的前后增加CBL卷积模块层数，将3层更换为5层，可以提高对图片的特征提取和整个网络对图片信息的获取，提升精准度。采用KNN聚类算法计算先验框，对先验框进行预测，同时使用马赛克数据增强识别精度。苹果检测结果表明，修改后的网络对苹果有较好的识别精度，在检测速度上比YOLOv4提高45.8%,FPS达到了35,整体网络的权重减少79.7%。修改后的网络提高了检测速度，减少了权重文件大小，能更好地适用于计算力不足和储存空间较小的采摘机器人设备。
-
单位机电工程学院; 昆明理工大学
