典型文献
基于改进RetinaNet的果园复杂环境下苹果检测
文献摘要：
为了快速准确地检测重叠、遮挡等果园复杂环境下的苹果果实目标,该研究提出一种基于改进RetinaNet的苹果检测网络.首先,该网络在传统RetinaNet的骨干网络ResNet50中嵌入Res2Net模块,提高网络对苹果基础特征的提取能力;其次,采用加权双向特征金字塔网络(Bi-directional Feature Pyramid Network,BiFPN)对不同尺度的特征进行加权融合,提升对小目标和遮挡目标的召回率;最后,采用基于焦损失(Focal Loss)和高效交并比损失(Efficient Intersection over Union Loss,EIoU Loss)的联合损失函数对网络进行优化,提高网络的检测准确率.试验结果表明,改进的网络在测试集上对叶片遮挡、枝干/电线遮挡、果实遮挡和无遮挡的苹果检测精度分别为94.02％、86.74％、89.42％和94.84％,平均精度均值(mean Average Precision,mAP)达到91.26％,较传统RetinaNet提升了5.02个百分点,检测一张苹果图像耗时42.72 ms.与Faster-RCNN和YOLOv4等主流目标检测网络相比,改进网络具有优异的检测精度,同时可以满足实时性的要求,为采摘机器人的采摘策略提供了参考.
文献关键词：
图像识别;采摘机器人;苹果检测;RetinaNet;BiFPN;EIoU;遮挡
中图分类号：
作者姓名：
孙俊;钱磊;朱伟栋;周鑫;戴春霞;武小红
作者机构：
江苏大学电气信息工程学院,镇江 212013
文献出处：
引用格式：
[1]孙俊;钱磊;朱伟栋;周鑫;戴春霞;武小红-.基于改进RetinaNet的果园复杂环境下苹果检测)[J].农业工程学报,2022(15):314-322
A类：
B类：
RetinaNet,果园,复杂环境,苹果检测,快速准确,苹果果实,骨干网络,ResNet50,Res2Net,特征的提取,加权双向特征金字塔网络,directional,Feature,Pyramid,Network,BiFPN,不同尺度,加权融合,小目标,遮挡目标,召回率,Focal,Loss,交并比损失,Efficient,Intersection,over,Union,EIoU,联合损失函数,检测准确率,测试集,枝干,电线,无遮挡,检测精度,平均精度均值,mean,Average,Precision,mAP,百分点,ms,Faster,RCNN,YOLOv4,目标检测网络,进网,采摘机器人,图像识别
AB值：
0.437678
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。
