基于数据增强深度学习的苹果花检测方法研究

作者：陈国防; 陈兆英; 王玉亮^*; 王金星; 范国强; 李汉卿

来源：中国农机化学报, 2022, 43(05): 148-155.

DOI：10.13733/j.jcam.issn.2095-5553.2022.05.022

• 苹果花检测
• 深度学习
• 数据增强
• YOLOv4
• 开花强度
• 现代化果园

为提高现代化果园化学疏花的工作效率以及促进疏花机械的研发，针对果园生产中传统识别方法检测开花强度不全面、效率低等问题，提出一种基于数据增强YOLOv4深度学习的苹果花检测方法。首先，搭建YOLOv4网络模型，以CSPDarknet53框架为主干特征提取网络，然后为了减少样本数据不均和数量不足的影响，进行离线和在线数据增强的YOLOv4方法研究。最后，利用人工标注的苹果花图像对模型进行微调和训练，将所提出的方法与YOLOv3、YOLOv4和Faster R-CNN的检测模型进行对比试验，并讨论了不同拍摄情况下苹果花的检测性能，验证了该方法的有效性。试验结果表明，所提出的数据增强的YOLOv4的方法检测苹果花的AP值为99.76%;分别比Faster R-CNN、YOLOv3和YOLOv4提高了2.53%、14.56%和5.08%。相较于其他检测方法，该方法具有更高的苹果花检测精准度。

• 单位
  山东农业大学; 电子工程学院