采用改进YOLOv3算法检测青皮核桃.pdfVIP

第 38 卷 第 14 期 农 业 工 程 学 报 Vol.38 No.14 2022 年 7 月 Transactions of the Chinese Society of Agricultural Engineering Jul. 2022 183 采用改进 YOLOv3 算法检测青皮核桃 1,2 1 1,2 3 1,2 郝建军 ，邴振凯 ，杨淑华 ，杨 杰 ，孙 磊 （1. 河北农业大学机电工程学院，保定 071000 ；2. 河北省智慧农业装备技术创新中心，保定 071001 ； 3. 北京市计算中心有限公司黄骅分中心，沧州 061000 ） 摘 要：使用机器视觉对果实检测并进行估产是实现果园智能化管理的重要途径，针对自然环境下青皮核桃与叶片颜色 差异小、核桃体积较小导致青皮核桃不易检出的问题，该研究提出一种基于改进 YOLOv3 的青皮核桃视觉检测方法。依 据数据集特征进行数据增强，引入 Mixup 数据增强方法，使模型从更深的维度学习核桃特征；针对核桃单种类目标检测 比较不同预训练模型，选择精度提升更明显的Microsoft Common Objects in Context （COCO ）数据集预训练模型；依据标 注框尺寸统计对锚框进行调整，避免锚框集中，提升模型多尺度优势。在消融试验中，前期改进将平均精度均值提升至 93.30%，在此基础上，引入 MobilNet-v3 骨干网络替换 YOLOv3 算法中原始骨干网络，提升模型检测能力及轻量化。试验 表明，基于改进YOLOv3 的青皮核桃检测平均精度均值为94.52%，超越YOLOv3 其他2 个骨干网络和Faster RCNN-ResNet-50 网络。改进模型大小为88.6 M，检测速度为31 帧/s ，检测速度是Faster RCNN-ResNet-50 网络的3 倍，可以满足青皮核桃实 时准确检测需求。该方法可为核桃果园智能化管理中的估产、采收规划等提供技术支撑，也可为近背景颜色的小果实实时 准确检测提供思路。 关键词：图像处理；目标检测；算法；青皮核桃；YOLOv3 doi ：10.11975/j.issn.1002-6819.2022.14.021 中图分类号：S126 文献标志码：A 文章编号：1002-6819(2022)-14-0183-08 郝建军，邴振凯，杨淑华，等. 采用改进 YOLOv3 算法检测青皮核桃[J]. 农业工程学报，2022，38(14)：183-190. doi ： 10.11975/j.issn.1002-6819.2022.14.021 Hao Jianjun, Bing Zhenkai, Yang Shuhua, et al. Detection of green walnut by improved YOLOv3[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(14): 183-190. (in Chinese with English abstract) doi ： 10.11975/j.issn.1002-6819.2022.14.021 果实进行分割或检测。机器学习进行目标检测只能够依 0 引 言  赖部分可以掌握的特征，与背景越近似的果实越难以检 核桃是世界四大干果之一，具有丰富的营养价值和 测[10] 。在图像特征