基于改进YOLOX的自然环境下辣椒果实检测方法

作     者：李旭 刘青 匡敏球 潘建东 刘大为 向阳 吴艳华 谢方平 LI Xu;LIU Qing;KUANG Minqiu;PAN Jiandong;LIU Dawei;XIANG Yang;WU Yanhua;XIE Fangping

作者机构：湖南农业大学机电工程学院长沙410128 智能农机装备湖南省重点实验室长沙410128 浙江大学生物系统工程与食品科学学院杭州310000 长沙县多莱农业科技有限公司长沙410100 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2024年第40卷第21期

页      面：119-126页

核心收录：

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：国家重点研发计划项目(2021YFD1600300-4/06 2022YFD2002003-3) 

主　　题：农业 机器视觉 YOLOX 辣椒 自然环境 果实检测 

摘      要：针对不同光照、枝叶遮挡和果实遮挡条件下模型适应能力差和检测精度较低的问题,该研究提出了一种基于YOLOX的改进辣椒果实检测模型YOLOX_Pepper。首先,在YOLOX特征融合网络中添加融合高效通道CA(coordinate attention)注意力机制,提升不同光照条件下模型捕捉辣椒果实关键特征的能力;其次,将主干网络特征聚合模块中的卷积模块替换为可变形卷积DCNv2(deformable convnets v2),提升了模型对不同遮挡情况下辣椒多样几何特征的感知能力。试验结果表明,改进的YOLOX_Pepper模型平均检测精度为93.30%,与Faster R-CNN、YOLOv5、YOLOv7以及YOLOX相比,分别提高了3.99、1.58、3.19和2.84个百分点,F1分数为96%。改进的YOLOX_Pepper模型对自然环境不同光照和遮挡条件的辣椒果实均能进行准确快速的检测。该方法可为辣椒智能化生产提供技术基础。