基于YOLOv 4的机收甜菜破损检测方法研究

作者：孙志坚; 王健; 时佳; 白晓平

来源：农机化研究, 2023, 45(05): 6-12.

DOI：10.3969/j.issn.1003-188X.2023.05.003

• 机械收获
• 深度学习
• YOLOv4
• 目标识别
• 甜菜

针对甜菜机械化收获中机收甜菜识别不精确致使破损率计算不准确的问题,提出一种基于YOLOv4的机收甜菜破损检测方法.利用不同距离、不同角度和不同遮挡程度的甜菜照片制作数据集,对基于YOLOv 4的机收甜菜破损检测模型进行训练和测试.测试结果表明:基于YOLOv 4的机收甜菜破损检测模型识别完整甜菜精确率和召回率分别为94.02％和91.13％,识别破损甜菜的精确率和召回率分别为96.68％和95.21％,破损检测模型的mAP值为96.44％,比Faster R-CNN和SSD模型的mAP值分别高2.62％和5.65％.由此可得,提出的基于YOLOv 4的机收甜菜破损检测模型可以更准确地完成对机收甜菜中完整甜菜和破损甜菜的识别,满足甜菜破损率计算的需求.

• 单位
  中国科学院; 中国科学院大学; 中国科学院沈阳自动化研究所