农业机械学报

作者：黄家才，唐安，陈光明，张铎，高芳征，陈田

单位：南京工程学院,南京工程学院,南京农业大学,南京工程学院,南京工程学院,南京工程学院,

关键词：茶叶嫩芽识别;轻量化;Compact-YOLO v4;移动端部署

基金：江苏省高等学校自然科学研究重大项目(20KJA510007)、国家自然科学基金面上项目(61873120)和江苏省自然科学基金面上项目(BK20201469)

茶叶嫩芽精准识别是实现嫩芽智能化采摘的前提与基础，采用视觉和深度学习的嫩芽识别方法逐渐成熟，但该方法过度依赖于高性能硬件，不利于采茶机器人移动端的部署，针对这一问题，本文提出一种基于Compact-YOLO v4算法的茶叶嫩芽移动端识别方法。首先对YOLO v4算法的Backbone网络和Neck网络进行改进，将Backbone网络替换为GhostNet，将Neck网络中传统卷积替换为Ghost卷积，改进后的模型内存占用量仅为原来的1/5。接着运用迁移学习的训练方法提升模型精度，试验表明，Compact-YOLO v4算法模型的精度、召回率、平均精度均值、F1值分别为51.07%、78.67%、72.93%和61.45%。最后将本文算法模型移植到PRO-RK3568-B移动端开发板，通过转换模型、量化处理、改进部署环境3种方式，降低模型推理计算对硬件性能的需求，最终在保证嫩芽识别准确率的前提下，实现了优化模型推理过程、减轻移动端边缘计算压力的目的，为茶叶嫩芽采摘机器人的实际应用提供了技术支撑。

来源：2023年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第3期