农业机械学报

作者：肖伸平，赵倩颖，曾甲元，彭自然

单位：湖南工业大学;电传动控制与智能装备湖南省重点实验室,电传动控制与智能装备湖南省重点实验室;湖南工业大学,电传动控制与智能装备湖南省重点实验室;湖南工业大学,湖南工业大学;电传动控制与智能装备湖南省重点实验室,

关键词：油茶果;遮挡识别;YOLO v8n;计数;双主干网络;特征融合

基金：国家重点研发计划项目（2019YFE0122600）、湖南省教育厅重点科研项目（22A0423）和湖南省自然科学基金项目（2023JJ60267、2022JJ50073）

为解决复杂环境中油茶果因遮挡造成的检测与计数难题，提出了一种基于双主干网络（Dual-backbone）和连续注意力特征融合模块（Consecutive attention feature fusion，CAFF）的检测模型。该模型结合了两种不同主干网络的优势，实现了对不同特征的高效提取。此外，设计了双输入单输出的连续注意力特征融合模块，取代了传统的拼接操作（Concat），优化了多尺度特征信息的融合策略。为了在精度与模型内存占用量之间取得平衡，采用了幻影卷积模块（Ghostconv），并去除了空间金字塔池化层（Spatial pyramid pooling fast，SPPF），加快了训练速度，减少了参数量。改进后的YOLO-DCL（YOLO dual-backbone & consecutive attention feature fusion & lightweight）模型在各类遮挡检测任务上表现优秀，平均精度均值达到92.7%，精确率为90.7%，召回率为84.9%，而模型内存占用量仅为5.7 MB。相较YOLO v8n模型分别上升4.0、8.6、2.3个百分点，内存占用量下降9.5%。该模型还具备油茶果遮挡类别的自动计数功能，可降低人工统计的劳动成本，适合在野外复杂环境中部署应用。

来源：2024年第10期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第10期