| 基于改进YOLOv3-tiny的田间行人与农机障碍物检测 |
| |
| 引用本文： | 李文涛,张岩,莫锦秋,李彦明,刘成良. 基于改进YOLOv3-tiny的田间行人与农机障碍物检测[J]. 农业机械学报, 2020, 51(S1): 1-8，33 |
| |
| 作者姓名： | 李文涛 张岩 莫锦秋 李彦明 刘成良 |
| |
| 作者单位： | 上海交通大学 |
| |
| 基金项目： | 国家重点研发计划项目（2019YFB1312301） |
| |
| 摘 要： | 为实现农机自主作业中的避障需求,本文针对室外田间自然场景中因植被遮挡、背景干扰而导致障碍物难以检测的问题,基于嵌入式平台应用设备,提出了农机田间作业时行人和农机障碍物检测的改进模型,更好地平衡了模型的检测速度与检测精度。该改进模型以You only look once version 3 tiny（YOLOv3-tiny）为基础框架,融合其浅层特征与第2 YOLO预测层特征作为第3预测层,通过更小的预选框增加小目标表征能力;在网络关键位置的特征图中混合使用注意力机制中的挤压激励注意模块(Squeeze and excitation attention module,SEAM) 与卷积块注意模块(Convolutional block attention module,CBAM),通过强化检测目标关注以提高抗背景干扰能力。建立了室外环境下含农机与行人的共9405幅图像的原始数据集。其中训练集7054幅,测试集2351幅。测试表明本文模型的内存约为YOLOv3与单次多重检测器(Single shot multibox detector,SSD)模型内存的1/3和2/3;与YOLOv3-tiny相比,本文模型平均准确率（Mean average precision,mAP）提高11个百分点,小目标召回率（Recall）提高14百分点。在Jetson TX2嵌入式平台上本文模型的平均检测帧耗时122ms,满足实时检测要求。
|
| 关 键 词： | 田间障碍物检测 注意力机制 YOLOv3-tiny 嵌入式 |
| 收稿时间： | 2020-08-12 |
Detection of Pedestrian and Agricultural Vehicles in Field Based on Improved YOLOv3-tiny |
| |
| LI Wentao,ZHANG Yan,MO Jinqiu,LI Yanming,LIU Chengliang. Detection of Pedestrian and Agricultural Vehicles in Field Based on Improved YOLOv3-tiny[J]. Transactions of the Chinese Society for Agricultural Machinery, 2020, 51(S1): 1-8，33 |
| |
| Authors: | LI Wentao ZHANG Yan MO Jinqiu LI Yanming LIU Chengliang |
| |
| Affiliation: | Shanghai Jiao Tong University |
| |
| Abstract: | |
| |
| Keywords: | filed object detection attention mechanism YOLOv3-tiny embedded hardware |
|
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
|
点击此处可从《农业机械学报》下载全文 |
|
