农业机械学报

作者：王法安，何忠平，张兆国，解开婷，曾悦

单位：昆明理工大学,昆明理工大学,昆明理工大学,昆明理工大学,昆明理工大学,

关键词：三七;复杂收获作业工况;目标检测;通道剪枝;Jetson Nano;YOLO v8s

基金：国家重点研发计划项目（2022YFD2002004）和云南省教育厅科学研究基础项目（2023J0151）

为实现三七联合收获作业过程中的自适应分级输送和收获状态实时监测，本文针对三七根土复合体特征和复杂田间收获工况，提出一种基于YOLO v8s并适用于Jetson Nano端部署的三七目标检测方法。在YOLO v8s对三七准确识别的基础上，针对其新的模型结构特性，利用通道剪枝算法，制定相应剪枝策略，保证模型精度的同时提升实时检测性能。采用TensorRT推理加速框架将改进模型部署至Jetson Nano，实现了三七目标检测模型的灵活部署。试验结果表明，改进后的PN-YOLO v8s-Pruned模型在主机端的平均精度均值为93.71%，参数量、计算量、模型内存占用量分别为原始模型的39.75%、57.69%、40.25%，检测速度提升44.26%，与其他目标检测模型相比，本文改进模型在计算复杂度、检测精度和实时性方面具有更好的综合检测性能。在Jetson Nano端部署后，改进模型检测速度达18.9f/s，较加速前提升2.7倍，较原始模型提升5.8f/s。台架试验结果表明，4种输送分离收获作业工况下三七目标检测的平均精度均值达87%以上，不同输送分离收获作业工况和不同流量等级下的目标三七计数平均正确率分别达92.61%、91.76%。田间试验结果表明，三七目标检测平均精度均值达84%，计数平均正确率达88.11%，图像推理速度达31.0f/s。模型检测性能和计数效果能够满足复杂田间收获工况下目标三七的检测需求，可为基于边缘计算设备的三七联合收获作业自适应分级输送系统和收获作业质量监测系统提供技术支撑。

来源：2024年第11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11期