基于多重特征增强与特征融合SSD的荔枝检测.pdfVIP

第 38 卷 第 4 期 农 业 工 程 学 报 Vol.38 No.4 2022 年 2 月 Transactions of the Chinese Society of Agricultural Engineering Feb. 2022 169 基于多重特征增强与特征融合 SSD 的荔枝检测 彭红星，李 荆，徐慧明，陈 虎，邢 政，何慧君，熊俊涛※ （华南农业大学数学与信息学院/广州市智慧农业重点实验室，广州 510642 ） 摘 要：使用无人机拍摄的荔枝图像目标尺寸小、特征信息不足。为了更多、更好地检测到荔枝，该研究提出一种基于 多重特征增强与特征融合的 SSD （Single Shot Multibox Detector based on Multiple Feature Enhancement and Feature Fusion， MFEFF-SSD ）模型。为了减少不必要的计算量，删除原始主干网络 Vgg16 的最后两个卷积层，并在 Conv8 和 Conv9 层 使用感受野模块（Receptive Field Block ，RFB ），提升主干网络的特征提取能力；然后使用高效空间金字塔模块（Efficient Spatial Pyramid Block，ESP ），增强浅层特征；提出改进的路径聚合网络（Improved Path Aggregation Network，IPANet ） 多尺度融合特征，提升荔枝小目标的检测效果；最后在浅层引入通道注意力机制 SE （Squeeze and Excitation）模块，进 一步提高检测精度。同时，调整先验框的大小和数量，适应荔枝小目标的尺寸。试验结果表明：该研究提出的 RFB 模块 可以提高检测效果；IPANet 的平均精确率比FPN （Feature Pyramid Network ）略有提高；SE 模块的平均精确率比 CBAM （Convolutional Block Attention Module ）、ECA （Efficient Channel Attention ）模块分别提高 1.15 个百分点和 2.12 个百分点； ESP 模块的平均精确率比 ASPP （atrous spatial pyramid pooling ）提高2.51 个百分点；与 SSD、Yolov4-tiny 、Faster-RCNN 和 CenterNet 模型相比，MFEFF-SSD 模型的平均精确率分别提高 30.62、14.58、44.46 和 15.93 个百分点，能够更精准、有效地 实现对无人机拍摄的荔枝图像检测，可为小目标农作物的检测开拓思路。 关键词：无人机；图像处理；特征增强；特征融合；荔枝检测 doi ：10.11975/j.issn.1002-6819.2022.04.020 中图分类号：S147.2 文献标志码：A 文章编号：1002-6819(2022)-04-0169-09 彭红星，李荆，徐慧明，等. 基于多重特征增强与特征融合 SSD 的荔枝检测[J]. 农业工程学报，2022，38(4)：169-177. doi ：10.11975/j.issn.1002-6819.2022.04.020 Peng Hongxing, Li Jing, Xu Huiming, et al. Litchi detection based on multiple feature enhancement and feature fusion SSD[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(4): 169-177. (in Chi