| 基于模型剪枝改进FCOS的实时柑橘检测研究 |
| |
| 作者单位： | 华南农业大学电子工程学院与人工智能学院,广东 广州 510642;国家柑橘产业技术体系机械化研究室,广东 广州 510642;华南农业大学电子工程学院与人工智能学院,广东 广州 510642;国家柑橘产业技术体系机械化研究室,广东 广州 510642;广东省农情信息监测工程技术研究中心,广东 广州 510642;华南农业大学电子工程学院与人工智能学院,广东 广州 510642 |
| |
| 基金项目： | 国家自然科学基金;国家自然科学基金;现代农业产业技术体系建设专项;广东省重点领域研发计划项目;广州市科技计划;国家级大学生科技创新项目 |
| |
| 摘 要： | 为实现快速实时的柑橘视觉检测,提出了一种基于模型剪枝的多维度特征Slim-FOCS逐像素目标检测算法,可实现自然环境下成熟柑橘高效快速检测。使用FCOS模型架构,选用Darknet 19作为模型主干网络,设计FPN多尺度特征提取网络融合柑橘图像不同尺度的特征,加强主干网络中的视觉特征提取。初训练完成后进行模型剪枝,将每一层的权重以通道(channel)为基准计算特征的L2 normalization,将小于30%的通道删除后进行模型微调。对柑橘图像进行检测并分析模型,检测结果表明,对柑橘检测的准确率(mAP)达到96.01%,模型所需的计算力(Flops)为0.88G,参数占用内存为29.79MB,相比于剪枝前分别减少了1.878 G、24.86MB。对单张图片在CPU的检测速度达到22.9ms·张~(-1)。
|
| 关 键 词： | 柑橘 目标检测 模型剪枝 人工智能 深度学习方法 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
