基于改进型YOLO v3的蔬菜识别算法

作者：魏宏彬; 张端金^*; 杜广明; 肖文福

来源：郑州大学学报(工学版), 2020, 41(02): 7-31.

DOI：10.13705/j.issn.1671-6833.2020.03.002

• 蔬菜识别
• K-means
• 卷积神经网络
• 特征金字塔
• YOLOv3

针对超市的散装蔬菜区排队称重问题(称重设备能够自动识别蔬菜种类将有效地提高超市的运行效率),提出一种基于改进型YOLOv3的蔬菜识别方法。首先,利用高清摄像头以及网络爬虫技术采集蔬菜图片;其次,通过K-means聚类分析得到15组适应于蔬菜数据集的先验框;再次,采用一种新的边界框回归损失函数DIo U来提高检测任务的精度;最后,因蔬菜数据集中的大目标较多,通过增强特征提取网络,获取5组不同尺度的特征构成特征金字塔从而实现蔬菜识别任务。改进型YOLOv3算法在测试集上的平均精度m AP达到93. 2%,识别速度是35 f·s-1。该方法在保证实时检测目标的同时提升了识别的平均精度。