| 基于YOLOv4模型剪枝的番茄缺陷在线检测 |
| |
| 引用本文： | 梁晓婷, 庞琦, 杨一, 文朝武, 李友丽, 黄文倩, 张驰, 赵春江. 基于YOLOv4模型剪枝的番茄缺陷在线检测[J]. 农业工程学报, 2022, 38(6): 283-292. DOI: 10.11975/j.issn.1002-6819.2022.06.032 |
| |
| 作者姓名： | 梁晓婷 庞琦 杨一 文朝武 李友丽 黄文倩 张驰 赵春江 |
| |
| 作者单位： | 1.上海海洋大学信息学院,上海 201306;2.北京市农林科学院智能装备技术研究中心,北京 100097;3.北京市农林科学院信息技术研究中心,北京 100097;4.湖南省农业装备研究所,长沙 410125 |
| |
| 基金项目： | 国家自然科学基金项目（31871523）;北京市农林科学院博士后基金（2020-ZZ-005）;北京市科技计划课题（Z201100008020013） |
| |
| 摘 要： | 为解决番茄缺陷检测过程中的精确性和实时性问题,该研究提出一种基于模型剪枝的番茄表面缺陷实时检测方法。采用模型剪枝的方法在YOLOv4网络模型基础上进行模型优化,首先将3个连续检测工位采集的RGB图像拼接生成YOLOv4网络的输入图像,然后采用通道剪枝和层剪枝的方法压缩YOLOv4网络模型,从而减少模型参数,提高检测速度,最后提出一种基于L1范数的非极大值抑制方法,用于在模型微调后去除冗余预测框,从而精准定位图像中的缺陷位置,并将模型部署到分级系统上进行实时检测试验。结果表明,该研究提出的YOLOv4P网络与原YOLOv4网络相比,网络模型尺寸和推理时间分别减少了232.40 MB和10.11 ms,平均精度均值（Mean Average Precision,mAP）从92.45%提高到94.56%,能满足实际生产中针对缺陷番茄进行精准、实时检测的要求,为番茄分级系统提供了高效的实时检测方法。
|
| 关 键 词： | 机器视觉 模型 番茄缺陷 YOLOv4 模型剪枝 |
| 收稿时间： | 2021-11-30 |
| 修稿时间： | 2022-02-21 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《农业工程学报》浏览原始摘要信息 |
|
点击此处可从《农业工程学报》下载免费的PDF全文 |
|
