改进YOLOv4算法的袋料香菇检测方法

作者：黄英来; 李大明; 吕鑫; 杨柳松^*

来源：哈尔滨理工大学学报, 2022, 27(04): 23-31.

DOI：10.15938/j.jhust.2022.04.004

• YOLOv4
• 目标检测
• gamma变换
• 迁移学习
• 香菇采摘

为探索对袋料栽培香菇的机械式采摘，提出一种基于改进YOLOv4的识别算法。主要改进方法为：在PANet(Path Aggregation Network)结构中，增加一条具有残差注意力机制的特征图路径，提高对小目标的识别精度，并用深度可分离卷积结构替换PANet网络中卷积层，降低了参数量。使用Focal loss损失函数改进原置信度损失函数。在数据预处理方面，采用gamma变换方法对数据进行增强扩充。在训练过程中利用迁移学习的思想，对主干网络载入VOC数据集的预训练权重。相比原YOLOv4算法，mAP值增加了4.82个百分点，达到94.39%,算法参数量降为原来的58.13%,算法更加高效和轻量化，为机械采摘提供视觉算法支持。

• 单位
  东北林业大学