农业机械学报

作者：李兆东，章艳芳，汪蕴红，赵前华，刘立超，张甜，陈永新

单位：安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,安徽农业大学,

关键词：油菜幼苗;株数识别;目标检测;YOLO v7

基金：国家重点研发计划项目（2022YFD2301402）和安徽省重点研究与开发计划项目（202204c06020071）

针对大田环境下油菜幼苗尺度不一、分布密集、识别难度大等问题，开展了基于YC-YOLO v7模型的油菜幼苗株数识别研究。在原模型YOLO v7的高效聚合网络ELAN中引入深度可分离卷积模块，提高模型对细小特征的提取能力；通过在主干网络输出的特征层中添加CBAM注意力机制模块，加强模型对小目标的识别精度；将损失函数CIOU替换为WIOU，提高了锚框质量；为扩大模型对目标的感受野，构建了SPPF空间金字塔结构。试验结果表明，改进后YC-YOLO v7模型平均精度均值为94.0%，精确率为89.8%，召回率为91.2%，推理速度提高16.1f/s，浮点运算量降低2.56×1010；与其他一阶段模型YOLO v5s、SSD和二阶段模型Faster R-CNN进行对比，平均精度均值分别提高12.8、17.8、20.3个百分点。基于YC-YOLO v7模型搭建的油菜幼苗检测识别系统准确率大于90%，可为大田环境下油菜幼苗精准计数提供技术支撑。

来源：2024年第12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12期