基于改进YOLOX-s的苹果花生长状态检测方法及验证分析
Detection method and validation analysis based on the improved YOLOX-s apple blossom growth state作者机构:山东农业大学机械与电子工程学院山东泰安271018 山东省园艺机械与装备重点实验室山东泰安271018 山东省烟台市农业技术推广中心山东烟台264001 山东农业大学园艺科学与工程学院山东泰安271018
出 版 物:《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)
年 卷 期:2023年第44卷第8期
页 面:162-167页
学科分类:082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程]
基 金:山东省现代农业产业技术体系果品产业创新团队资金(SDAIT—06—12、SDAIT—06—04、SDAIT—06—07) 烟台市科技计划项目(乡村振兴类)(2022XCZX097)
摘 要:为实现苹果园智能疏花,提出一种基于改进YOLOX-s的苹果花生长状态检测方法。采集并建立苹果花数据集,以用于网络模型的训练和验证,搭建YOLOX-s模型,对主干网络进行改进,在输出特征后两层加入CBAM注意力机制模块,采用EIOU作为模型的回归函数,在后处理阶段引入Focal Loss损失函数,以提高模型对拥簇苹果花的检测能力,提高模型的平均精度。结果表明改进后的YOLOX-s模型精确度为91.75%,相比未改进前提升0.5%,召回率提升6.19%,平均精度提高4.28%。该研究为实现苹果花生长状态智能检测提供技术支持,指导智能化疏花精准决策。