农业机械学报

作者：修春波，孙乐乐

单位：天津工业大学,天津工业大学,

关键词：深度学习;马铃薯;叶芽检测;扩张卷积;感受野;YOLO v4

基金：天津市自然科学基金项目（18JCYBJC88300、18JCYBJC88400）

为提高马铃薯幼苗叶芽检测识别的准确率，提高自动育苗生产系统的工作效率，提出了基于YOLO v4网络的改进识别网络。将YOLO v4特征提取部分CSPDarknet53中的残差块（Residual Block）替换为Res2Net，并采用深度可分离卷积操作减小计算量。由此，在增大卷积神经网络感受野的同时，能够获得叶芽更加细小的特征信息，减少马铃薯叶芽的漏检率。设计了基于扩张卷积的空间特征金字塔(D-SPP模块)，并嵌入和替换到特征提取部分的3个特征层输出中，用于提高马铃薯叶芽目标识别定位的准确性。采用消融实验对改进策略的有效性进行了验证分析。实验结果表明，改进的识别网络对马铃薯叶芽检测的精确率为95.72%，召回率为94.91%，综合评价指标F1值为95%，平均精确率为96.03%。与Faster R-CNN、YOLO v3、YOLO v4网络相比，改进的识别网络具有更好的识别性能，从而可有效提高马铃薯自动育苗生产系统的工作效率。

来源：2022年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第6期