基于改进YOLOv4的植物叶茎交点目标检测研究

作者：李文婧; 徐国伟; 孔维刚; 郭风祥; 宋庆增^*

来源：计算机工程与应用, 2022, 58(04): 221-228.

• 目标检测
• 数据增强
• 对抗网络
• YOLOv4
• GhostNet

由于植物根茎交点目标较小,识别率低,且在使用嵌入式设备进行植物移植与栽培的过程中资源及功耗受限。针对这类问题,提出了一种基于改进YOLOv4的目标检测解决方法,并设置于本场景。采集8 629张植物叶茎数据集图像,并对这些植物叶茎数据集进行标注,利用生成对抗网络(generative adversarial network,GAN)进行数据增强预处理。改进YOLOv4目标检测算法,选取4个不同尺度的锚框,以获得更多植物叶茎交点信息,同时对网络的结构和损失函数进行局部优化,使得网络在训练过程中更易于拟合目标。将主干网络更改为GhostNet网络,大幅度减少参数量与计算量,更利于在移动设备上的轻量化模型部署。实验结果表明,优化后的YOLOv4-GhostNet轻量化网络在保证检测精度的前提下,检测速度提高到79.3 frame/s,较YOLOv4提高了36.45%,网络帧率提高了51.07%,模型参数量减小了36.06%,能够有效检测叶茎交点目标。

• 单位
  电子工程学院; 天津工业大学