基于深度学习的番茄苗分级检测研究

分级是保证工厂化穴盘育苗质量的重要环节，本文根据番茄穴盘苗分级检测过程存在智能化水平低的问题，基于Darknet框架YOLOv3-Tiny卷积神经网络进行了算法改进。改进的算法进行了K-Means++聚类，增加YOLO检测层的数量，引入不同的SPP结构和CIOU损失函数。实验表明，与YOLOv3-Tiny算法相比，改进的YOLOv3-Tiny算法对番茄苗分级检测的mAP指标提高了9.8%，对壮苗的检测准确率为98.1%，无苗的检测准确率为94.80%，弱苗的检测准确率为93.62%。该算法能够对番茄苗的分级检测起到良好效果，为番茄穴盘苗高效识别提供了参考。