典型文献
基于改进YOLOv4-tiny的茶叶嫩芽检测模型
文献摘要：
精准检测茶叶嫩芽是茶叶机械智能采摘的重要前提.针对茶叶大小不一、遮挡造成的小尺度嫩芽特征显著性弱、漏检率高等问题,提出一种基于改进YOLOv4-tiny的茶叶嫩芽检测模型.该模型在颈部网络添加52×52的浅层特征层以提高YOLOv4-tiny网络对小目标嫩芽的关注度,通过引入卷积块注意力机制(Convolutional block attention module,CBAM)以抑制背景噪声,提高嫩芽特征的显著性,采用双向特征金字塔网络(Bidirectional feature pyramid network,BiFPN)以融合不同尺度的特征信息,从而提出一个高性能轻量化的茶叶嫩芽检测模型YOLOv4-tiny-Tea.对同一训练集与测试集进行模型训练与性能测试,结果表明YOLOv4-tiny-Tea模型检测精确率和召回率分别为97.77％和95.23％,相比改进之前分别提高了5.58个百分点和23.14个百分点.消融试验验证了网络结构改进对不同尺度嫩芽检测的有效性,并将改进后的YOLOv4-tiny-Tea模型与3种YOLO系列算法进行对比,发现改进后的YOLOv4-tiny-Tea模型F1值比YOLOv3、YOLOv4、YOLOv5l模型分别提高了12.11、11.66和6.76个百分点,参数量仅为3种网络模型的13.57％、13.06％和35.05％.试验结果表明,YOLOv4-tiny-Tea模型能有效提高不同尺度下嫩芽检测的精确率,大幅度减少小尺寸或遮挡嫩芽的漏检情况,在保持轻量化计算成本的基础上获得较为明显的检测精度,能够满足农业机器人的实时检测和嵌入式开发的需求,可以为茶叶嫩芽智能采摘方法提供参考.
文献关键词：
茶叶;嫩芽检测;YOLOv4-tiny;注意力机制;双向特征金字塔
中图分类号：
作者姓名：
方梦瑞;吕军;阮建云;边磊;武传宇;姚青
作者机构：
浙江理工大学信息学院,浙江 杭州 310018;中国农业科学院茶叶研究所,浙江 杭州 310008;浙江理工大学机械与自动控制学院,浙江 杭州 310018
文献出处：
引用格式：
[1]方梦瑞;吕军;阮建云;边磊;武传宇;姚青-.基于改进YOLOv4-tiny的茶叶嫩芽检测模型)[J].茶叶科学,2022(04):549-560
A类：
轻量化计算
B类：
YOLOv4,tiny,茶叶嫩芽,嫩芽检测,检测模型,精准检测,茶叶机械,智能采摘,大小不一,遮挡,小尺度,特征显著性,漏检率,小目标,卷积块注意力机制,Convolutional,block,attention,module,CBAM,背景噪声,双向特征金字塔网络,Bidirectional,feature,pyramid,network,BiFPN,不同尺度,特征信息,Tea,训练集,测试集,模型训练,模型检测,精确率,召回率,百分点,结构改进,YOLOv3,YOLOv5l,参数量,小尺寸,计算成本,检测精度,农业机器人,实时检测,嵌入式开发
AB值：
0.296577
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
