基于改进YOLOX-S的苹果成熟度检测方法

作     者：黄威 刘义亭 李佩娟 陈光明 Huang Wei;Liu Yiting;Li Peijuan;Chen Guangming

作者机构：南京工程学院南京市211167 东南大学南京市210096 南京农业大学南京市210031 江苏省智能化农业装备重点实验室南京市210000 

出 版 物：《中国农机化学报》 (Journal of Chinese Agricultural Mechanization)

年 卷 期：2024年第45卷第3期

页      面：226-232页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 082804[工学-农业电气化与自动化] 08[工学] 0828[工学-农业工程] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金青年基金(61903184) 江苏省自然科学基金青年基金(BK20181017、BK2019K186) 南京工程学院引进人才科研启动基金(YKJ2018822) 中国博士后科学基金第67批面上项目(2020M671292) 江苏省博士后科研资助计划(B类) 2021年度省重点研发计划(产业前瞻与共性关键技术)(BE2021016-5) 

主　　题：苹果 YOLOX-S 目标检测 位置注意力 成熟度检测 

摘      要：准确检测果园中未成熟与成熟的苹果对果园早期作物的负荷管理至关重要,提出一种能够实时检测苹果成熟度,并估算出整棵果树果实数量的方法。为提高YOLOX-S网络在复杂场景下的检测能力,在FPN(特征金字塔)的残差连接处增加了CoordinateAttention(位置注意力);为更好地检测图像中生长密集、存在遮挡、尺寸较小的苹果,将位置损失函数IoU_Loss更换为CIoU_Loss。试验结果表明,所提出的改进YOLOX-S检测算法相较于原算法,mAP值提高约1.97%,苹果低成熟度、中等成熟度和高等成熟度的AP值分别为90.85%、95.10%和80.50%。