改进的轻量级YOLO在苹果物候期自动观测中的研究

作者：许增; 王志伟; 胡桃花; 李雪鹏; 杨晓峰; 李海芳^*

来源：计算机工程与设计, 2021, 42(12): 3478-3484.

DOI：10.16208/j.issn1000-7024.2021.12.024

• 物候期图像
• 实时
• 轻量级
• 图像增强
• 目标检测
• 物候期识别
• Tiny-YOLOv3模型

为在复杂的田间场景下实时检测果树上苹果并识别其所处的物候期(幼果期、果实膨大期、果实成熟期),提出一种用于嵌入式物候期监测设备的改进的Tiny-YOLOv3模型。针对多样复杂的物候期图像,提出适度深化Tiny-YOLOv3模型,在深化后的模型上应用DenseNet方法强化低分辨率层特征提取,在实时条件下提高各个物候期检测识别的平均精度。实验结果表明,与Tiny-YOLOv3相比,所提Minor-YOLOv3-dense模型的检测识别精度提高了 5.56%,检测速度略有下降,对整个模型的实时性没有特别的影响。

• 单位
  山西省气候中心; 省气象局; 太原理工大学