科研之友
微信
新浪微博
Facebook
分享链接
摘要
以蔬菜苗田内幼苗期7种常见蔬菜和田间杂草为研究对象，针对田间杂草种类多和分布复杂导致检测方法效率低、精度差和鲁棒性不足等问题，逆向将杂草检测转换为作物检测，提出一种基于优化YOLOv4和图像处理的蔬菜苗田杂草检测算法。在YOLOv4目标检测算法基础上，主干特征提取网络嵌入SA模块增强特征提取能力，引入Transformer模块构建特征图长距离全局语义信息，改进检测头和损失函数提高检测定位精度。改进模型单幅图像平均识别时间为0.261s，平均识别精确率为97.49%。在相同训练样本以及系统环境设置条件下，将改进方法与主流目标检测算法Faster RCNN,SSD和YOLOv4算法对比，结果表明改进YOLOv4模型在蔬菜苗期的多种蔬菜检测具有明显优势。采用改进YOLOv4目标检测算法检测作物，作物区域外的植被为杂草，超绿特征结合OTSU阈值分割算法获取杂草前景，最后标记杂草前景连通域输出杂草质心坐标和检测框位置，可以较好解决蔬菜苗田杂草检测问题。
-
单位福州大学; 自动化学院
