基于轻量化YOLO⁃v3的绿熟期番茄检测方法
Journal of Chinese Agricultural Mechanization（2022）
摘要
准确识别定位绿熟期番茄果实是实现其自动采摘的必要前提.由于绿熟期番茄的表面颜色仍为青色与叶片、枝干颜色接近,特别是存在叶片、枝干遮挡和果实重叠类型的图像,传统的图像检测处理方法不能准确进行定位.为解决此问题,采用改进的深度学习目标检测算法YOLO?v3进行番茄检测,将原算法的骨干网络DarkNet?53改为更轻量化的Mobilenet?v1.结果表明:轻量化YOLO?v3算法将模型大小缩小为原来的39.38％,训练速度提高3.88倍,验证集的平均精度均值达到98.69％,测试集的平均精度均值达到98.28％.所采用的轻量化YOLO?v3检测算法可实现对绿熟期番茄的实时目标检测,更适合在移动设备和嵌入式端进行部署,为更加高效的番茄自动采摘奠定基础.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要