基于YOLOv4的烟叶烟梗识别算法研究

作     者：张江涛 王堃阳 Zhang Jiangtao;Wang Kunyang

作者机构：华北水利水电大学河南郑州450045 

出 版 物：《农业技术与装备》 (Agricultural Technology & Equipment)

年 卷 期：2024年第4期

页      面：20-22页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主　　题：烟梗识别定位 YOLOv4 EfficientNet 深度可分离卷积 

摘      要：针对烟叶分级系统中烟叶上料、下料中的烟梗识别定位问题,提出了一种新型烟梗检测算法:基于YOLOv4卷积神经网络,将其主干网络修改替换为Efficientdet,降低网络模型的体积并提高模型对烟梗类型的识别准确率,在此基础上引入深度可分离卷积,并在深度可分离卷积中引入宽度因子alpha变量,优化了系统参数,简化了网络结构。结果表明,此算法在单姿态烟梗识别中其mAP值均优于SSD、Centernet、Faster-rcnn、YOLOv4little以及YOLOv4这几种目标检测算法,在多姿态烟梗识别中其mAP值和YOLOv4算法相差仅为2%,可减少网络参数,提高模型检测准确率与系统识别速度。