采用改进YOLOv4-tiny的复杂环境下番茄实时识别.pdfVIP

第 38 卷 第 9 期 农 业 工 程 学 报 Vol.38 No.9 2022 年 5 月 Transactions of the Chinese Society of Agricultural Engineering May 2022 215 采用改进 YOLOv4-tiny 的复杂环境下番茄实时识别 杨 坚，钱 振，张燕军，秦 宇，缪 宏 （扬州大学机械工程学院，扬州 225127 ） 摘 要：实时识别番茄的成熟度是番茄自主采摘车的关键功能。现有目标识别算法速度慢、对遮挡番茄和小番茄识别准 确率低。因此，该研究提出一种基于改进 YOLOv4-tiny 模型的番茄成熟度识别方法。在头部网络（Head network ）部分 增加一个 76×76 的检测头（y3 ）来提高小番茄的识别准确率。为了提高被遮挡番茄的识别准确率，将卷积注意力模块 （Convolution Block Attention Module，CBAM ）集成到YOLOv4-tiny 模型的骨干网络（Backbone network ）部分。在深层 卷积中使用 Mish 激活函数替代 ReLU 激活函数以保证提取特征的准确性。使用密集连接的卷积网络（Densely Connected Convolution Networks, DCCN ）来加强全局特征融合，并建立红风铃番茄成熟度识别的数据集。试验结果表明，与YOLOv3 、 YOLOv4 、YOLOv4-tiny、YOLOv5m 和 YOLOv5l 模型相比，改进 YOLOv4-tiny-X 模型的平均精度均值（mean Average Precision, mAP ）分别提高了30.9、0.2、0.7、5.4 和 4.9 个百分点，在 Nvidia GTX 2060 GPU 上达到 111 帧/s 的速度，平 均精度均值达到 97.9% 。不同模型的实时测试可视化结果表明，改进模型能够有效解决遮挡和小番茄识别准确率低的问 题，可为番茄采摘车研制提供参考。 关键词：机器视觉；深度学习；注意力机制；番茄；YOLO；密集连接结构 doi ：10.11975/j.issn.1002-6819.2022.09.023 中图分类号：TP391; S126 文献标志码：A 文章编号：1002-6819(2022)-09-0215-07 杨坚，钱振，张燕军，等. 基于改进 YOLOv4-tiny的复杂环境下番茄实时识别[J]. 农业工程学报，2022，38(9)：215-221. doi ：10.11975/j.issn.1002-6819.2022.09.023 Yang Jian, Qian Zhen, Zhang Yanjun, et al. Real-time recognition of tomatoes in complex environments based on improved YOLOv4-tiny[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(9): 215-221. (in Chinese with English abstract) doi ：10.11