| 自然环境下基于增强YOLOv3的百香果目标检测 |
| |
| 引用本文： | 张展榜,罗志聪,周志斌,李鹏博,孙奇燕.自然环境下基于增强YOLOv3的百香果目标检测[J].安徽农业科学,2022,50(6):186-192+197. |
| |
| 作者姓名： | 张展榜 罗志聪 周志斌 李鹏博 孙奇燕 |
| |
| 作者单位： | 福建农林大学机电工程学院,福建福州350100,福建农林大学计算机与信息学院,福建福州350002 |
| |
| 基金项目： | 海峡博士后交流资助计划项目 |
| |
| 摘 要： | 为解决当前流行的目标检测模型对自然环境下百香果由于目标密集互相遮挡所致的检测效率低等问题，以YOLOv3网络为基础，提出了一种基于增强的YOLOv3百香果目标检测算法。首先，针对百香果目标尺寸的特点，利用以交并比为距离度量的改进K-means++算法，重新获取与目标果实相匹配的锚选框，提高对目标的框选精度以及模型的收敛速度；其次，在输出网络中将用来筛选目标预测框的Soft-NMS算法通过线性函数的形式对其高斯函数的抑制参数进行改进，以提高模型在不同密集场景下的适应性和检测能力；最后，利用增强的YOLOv3模型在经过预处理后的百香果数据集上进行多次试验对比，结果表明增强后的YOLOv3目标检测算法平均精度均值（mAP）达到94.62%,F1值达到94.34%,较原YOLOv3算法分别提升了4.58和3.68百分点，平均检测速度为25.45帧/s,基本满足了自然环境下百香果目标检测的精准性和实时性要求。
|
| 关 键 词： | 百香果 自然场景 密集目标检测 增强YOLOv3 非极大抑制算法 |
Target Detection of Passiflora edulis Sims.Based on Enhanced YOLOv3 under Natural Environment |
| |
| ZHANG Zhan-bang,LUO Zhi-cong,ZHOU Zhi-bin.Target Detection of Passiflora edulis Sims.Based on Enhanced YOLOv3 under Natural Environment[J].Journal of Anhui Agricultural Sciences,2022,50(6):186-192+197. |
| |
| Authors: | ZHANG Zhan-bang LUO Zhi-cong ZHOU Zhi-bin |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
