农业机械学报

作者：王相友，李晏兴，杨振宇，张蒙，王荣铭，崔丽霞

单位：山东理工大学,山东理工大学,山东理工大学,山东理工大学,山东理工大学,山东理工大学,

关键词：马铃薯;石块检测;通道剪枝;YOLO v4

基金：山东省农业重大应用技术创新项目（SD2019NJ010）

为实现收获后含杂马铃薯中土块石块的快速检测和剔除，提出了一种基于改进YOLO v4模型的马铃薯中土块石块检测方法。YOLO v4模型以CSPDarknet53为主干特征提取网络，在保证检测准确率的前提下，利用通道剪枝算法对模型进行剪枝处理，以简化模型结构、降低运算量。采用Mosaic数据增强方法扩充图像数据集?(8621幅?图像)，对模型进行微调，实现了马铃薯中土块石块的检测。测试表明，剪枝后模型总参数量减少了94.37%，模型存储空间下降了187.35 MB，前向运算时间缩短了0.02 s，平均精度均值(Mean average precision, mAP)下降了2.1个百分点，说明剪枝处理可提升模型性能。为验证模型的有效性，将本文模型与5种深度学习算法进行比较，结果表明，本文算法mAP为96.42%，比Faster R-CNN、Tiny-YOLO v2、YOLO v3、SSD分别提高了11.2、11.5、5.65、10.78个百分点，比YOLO v4算法降低了0.04个百分点，模型存储空间为20.75 MB，检测速度为78.49 f/s，满足实际生产需要。

来源：2021年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2021年第8期