基于改进YOLO v4的玉米种子外观品质检测方法
Transactions of the Chinese Society for Agricultural Machinery（2022）
摘要
针对玉米种子在外观品质检测中需要快速识别与定位的需求,提出了一种基于改进YOLO v4的目标检测模型,同时结合四通道(RGB+NIR)多光谱图像,对玉米种子外观品质进行了识别与分类.为了减少改进后模型的参数量,本文将主干特征提取网络替换为轻量级网络MobileNet V1.为了进一步提升模型的性能,通过试验研究了空间金字塔池化(Spatial pyramid pooling,SPP)结构在不同位置上对模型性能的影响,最终选取改进YOLO v4-MobileNet V1模型对玉米种子外观品质进行检测.试验结果表明,模型的综合评价指标平均F1值和mAP达到93.09％和98.02％,平均每检测1幅图像耗时1.85 s,平均每检测1粒玉米种子耗时0.088 s,模型参数量压缩为原始模型的20％.四通道多光谱图像的光谱波段可扩展到可见光范围之外,并能够提取出更具有代表性的特征信息,并且改进后的模型具有鲁棒性强、实时性好、轻量化的优点,为实现种子的高通量质量检测和优选分级提供了参考.
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