检索结果-南通市图书馆

基于图像增强与GC-yolo v5s的水下环境河蟹识别轻量化模型研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2024年第11期55卷 124-131,374页

作者：张铮鲁祥胡庆松上海海洋大学工程学院上海201306

利用机器视觉技术识别水下河蟹目标是实现河蟹养殖装备智能化的有效途径之一。针对水下环境目标识别困难、河蟹包含特征信息少、主流的目标检测模型复杂度高等问题,在yolo v5s的基础上提出了一种适用于水下环境的轻量级河蟹识别模型GC-Y... 详细信息

利用机器视觉技术识别水下河蟹目标是实现河蟹养殖装备智能化的有效途径之一。针对水下环境目标识别困难、河蟹包含特征信息少、主流的目标检测模型复杂度高等问题,在yolo v5s的基础上提出了一种适用于水下环境的轻量级河蟹识别模型GC-yolo v5s(GhostNetv2-CBAM-yolo v5s)。利用改进的图像增强算法对水下河蟹图像进行预处理以改善其质量;为降低模型复杂度,提出了基于GhostNetv2的G3模块以改进模型的特征提取网络,并利用幻影卷积进一步轻量化模型;为了优化模型的河蟹特征学习能力,在Neck层和Head层之间引入卷积块注意力模块(Convolution block attention module,CBAM)。实验结果表明,该模型测试集的平均精度均值(Mean average precision,mAP)、召回率和精确率分别为95.61%、97.03%和96.94%,较yolo v5s分别提升2.80、2.25、2.28个百分点;而GC-yolo v5s的参数量、浮点运算量和模型内存占用量仅为yolo v5s的69.1%、56.3%和58.3%。通过实验对比,该模型在识别精度和模型复杂度上优于其他主流目标检测模型;识别速度仅次于yolo v5s,可达到104 f/s。

关键词：水产养殖河蟹识别模型图像增强 yolo v5s 轻量化

基于改进yolo v5s的复杂环境下蔗梢分叉点识别与定位

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第11期54卷 247-258页

作者：李尚平卞俊析李凯华任泓宇广西民族大学电子信息学院南宁530006

甘蔗蔗梢分叉点的精确识别与高度定位是实现甘蔗收获机切梢器实时控制的关键技术之一,也是提高甘蔗收获机械化水平和降低甘蔗含杂率的重要途径。针对甘蔗地环境复杂、光照变化大、蔗梢分叉点相互遮挡等问题,首先通过田间调查,并现场测... 详细信息

甘蔗蔗梢分叉点的精确识别与高度定位是实现甘蔗收获机切梢器实时控制的关键技术之一,也是提高甘蔗收获机械化水平和降低甘蔗含杂率的重要途径。针对甘蔗地环境复杂、光照变化大、蔗梢分叉点相互遮挡等问题,首先通过田间调查,并现场测试、分析甘蔗生长点、甘蔗分叉点及相互关系的特征规律,采集图像的甘蔗分叉点的统计分析,并结合现场对甘蔗分叉点高度的测量统计分析,发现其均具有明显的正态统计特征。接着,提出了一种基于改进yolo v5s的蔗梢分叉点识别方法。该方法采用单目和双目相机在广西大学扶绥农科基地采集甘蔗图像数据,并进行数据预处理和标注,构建了甘蔗蔗梢分叉点数据集。然后,在yolo v5s中引入BiFPN特征融合结构和CA注意力机制,以增强不同层次特征的交互和表达能力,并使用GsConv卷积和slim-Neck范式设计,在原始模型主干网络中引入Ghost模块替换原始普通卷积,来降低模型的计算量和参数量,提高模型的运行效率。最后,通过在现场采集的数据集上进行训练和测试,验证了该方法的有效性和优越性。实验结果表明,该方法在甘蔗蔗梢分叉点数据集上平均精确率达到92.3%、召回率89.3%和检测时间19.3 ms,相比原始yolo v5s网络,平均精确率提高5个百分点,召回率提高4个百分点,参数量降低43%,模型内存占用量减少5.5 MB,检测时间减少0.7 ms。最后,根据甘蔗分叉点具有明显的正态统计特征的规律,利用该特征结合双目视觉的定位算法,可为开展甘蔗收获机切梢的特征识别、切梢器高度定位及实时控制研究奠定理论及技术基础。

关键词：蔗梢分叉点 yolo v5s 生长高度统计规律目标识别

基于改进yolo v5s的甘蔗切种茎节特征识别定位技术

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第10期54卷 234-245,293页

作者：李尚平郑创锐文春明李凯华甘伟光李洋广西民族大学电子信息学院南宁530006 广西高校智慧无人系统与智能装备重点实验室南宁530006

为了实现甘蔗智能横向切种工作站的精准、高效的自动化切种,针对工厂化切种任务的特点,提出了一种基于改进yolo v5s的甘蔗茎节特征边缘端识别与定位方法。首先,利用张正友相机标定法对摄像头进行畸变矫正;然后对甘蔗茎节数据集进行数据... 详细信息

为了实现甘蔗智能横向切种工作站的精准、高效的自动化切种,针对工厂化切种任务的特点,提出了一种基于改进yolo v5s的甘蔗茎节特征边缘端识别与定位方法。首先,利用张正友相机标定法对摄像头进行畸变矫正;然后对甘蔗茎节数据集进行数据增强,利用原始的yolo v5s模型进行训练和测试,结果显示数据增强能一定程度上提高检测精度。针对茎节特征目标小以及模型体积大导致检测精度低、部署难度高等问题,对yolo v5s的骨干网络进行改进,在sPPF特征融合模块前引入坐标注意力(Coordinate attention,CA)模块和Ghost轻量化结构,在Head网络中剔除P5大目标检测头,得到了改进后甘蔗茎节检测模型yolo v5s-CA-BackboneGhost-p34,测试结果表明该模型优于其他主流算法和原始模型,具有高精度、小体积等优势。其中,平均精度均值1和平均精度均值2分别提高5.2、16.5个百分点,模型浮点数计算量和内存占用量分别降低42%和51%。最后,为了提高检测速度和实时性,将模型部署于边缘端,利用TensorRT技术加快检测速度,并在传送速度为0.15 m/s的甘蔗智能横向切种工作站上完成实际切种实验。实验结果表明,加速后茎节检测速度达到95 f/s,实时检测定位平均误差约为2.4 mm,切种合格率为100%,漏检率0.4%,说明本文提出的模型具有高度可靠性和实用性,可以为甘蔗横向切种工作站的工厂化、智能化以及标准化应用提供有效的技术支持。

关键词：甘蔗智能横向切种工作站茎节识别与定位 yolo v5s 边缘端部署

基于yolo v5s的作物叶片病害检测模型轻量化方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第S01期54卷 222-229页

作者：杨佳昊左昊轩黄祺成孙泉李思恩李莉中国农业大学农业农村部农业信息获取技术重点实验室北京100083 中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 中国农业大学水利与土木工程学院北京100083

为在保证识别性能前提下,对叶片病害检测模型进行有效轻量化,基于主干替换、模型剪枝以及知识蒸馏技术构建了一种模型轻量化方法,对以yolo v5s为基础的叶片黄化曲叶病检测模型开展轻量化试验。首先,通过常见的性能优异的轻量级主干特征... 详细信息

为在保证识别性能前提下,对叶片病害检测模型进行有效轻量化,基于主干替换、模型剪枝以及知识蒸馏技术构建了一种模型轻量化方法,对以yolo v5s为基础的叶片黄化曲叶病检测模型开展轻量化试验。首先,通过常见的性能优异的轻量级主干特征提取神经网络结构(Lightweight convolutional neural networks,LCNN)替换yolo v5s主干对模型主体进行缩减;然后利用模型稀疏化训练和批归一化层(Batch normalization layer)的缩放因子分布状况,筛选并删减不重要的通道;最后,通过微调重新训练以及知识蒸馏,将模型精度调整到接近剪枝前的水平。试验结果表明,经轻量化处理的模型精确率、召回率和平均精度分别为91.3%、87.4%和92.7%,模型内存占用量为1.4 MB,台式机检测帧率81.0 f/s,移动端检测帧率1.2 f/s,相比原始yolo v5s叶片病害检测模型,精确率、召回率和平均精度下降3.7、4.6、2.7个百分点,内存占用量仅为处理前的10%,台式机和移动端检测的帧率分别提升近27%和33%。本文所提出的方法在保持模型性能的前提下对模型有效轻量化,为移动端叶片病害检测部署提供了理论基础。

关键词：病害检测 yolo v5s 轻量化模型网络剪枝知识蒸馏

基于改进yolo v5s的轻量化植物识别模型研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第8期54卷 267-276页

作者：马宏兴董凯兵王英菲魏淑花黄文广苟建平北方民族大学电气信息工程学院银川750021 宁夏农林科学院植物保护研究所银川750002 宁夏回族自治区草原工作站银川750002 西南大学计算机与信息科学学院重庆400715

为方便调查宁夏全区荒漠草原植物种类及其分布,需对植物识别方法进行研究。针对yolo v5s模型参数量大,对复杂背景下的植物不易识别等问题,提出一种复杂背景下植物目标识别轻量化模型yolo v5s-CBD。改进模型yolo v5s-CBD在特征提取网络... 详细信息

为方便调查宁夏全区荒漠草原植物种类及其分布,需对植物识别方法进行研究。针对yolo v5s模型参数量大,对复杂背景下的植物不易识别等问题,提出一种复杂背景下植物目标识别轻量化模型yolo v5s-CBD。改进模型yolo v5s-CBD在特征提取网络中引入带有Transformer模块的主干网络BoTNet(Bottleneck transformer network),使卷积和自注意力相结合,提高模型的感受野;同时在特征提取网络融入坐标注意力(Coordinate attention,CA),有效捕获通道和位置的关系,提高模型的特征提取能力;引入sIoU函数计算回归损失,解决预测框与真实框不匹配问题;使用深度可分离卷积(Depthwise separable convolution,DsC)减小模型内存占用量。实验结果表明,yolo v5s-CBD模型在单块Nvidia GTX A5000 GPU单幅图像推理时间仅为8 ms,模型内存占用量为8.9 MB,精确率P为95.1%,召回率R为92.9%,综合评价指标F1值为94.0%,平均精度均值(mAP)为95.7%,在vOC数据集平均精度均值可达80.09%。相比yolo v3-tiny、yolo v4-tiny和yolo v5s,改进模型内存占用量减小,平均精度均值提升。模型yolo v5s-CBD在公开数据集和宁夏荒漠草原植物数据集都有良好的鲁棒性,推理速度更快,且易于部署,已应用在宁夏荒漠草原移动端植物图像识别APP和定点生态信息观测平台,可用来调查宁夏全区荒漠草原植物种类和分布,长期观测和跟踪宁夏盐池县大水坑、黄记场、麻黄山等地植物生态信息。

关键词：植物识别 yolo v5s BoTNet 坐标注意力深度可分离卷积轻量化

基于yolo v5s和改进sORT算法的黑水虻幼虫计数方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第7期54卷 339-346页

作者：赵新龙顾臻奇李军浙江理工大学信息科学与工程学院杭州310018 台州学院智能制造学院台州318000

目前农业环境下的无序目标的精确计数有很高的应用需求,这种计数对其生物量、生物密度管理起到了重要的指导作用。如黑水虻幼虫目标追踪过程中,追踪对象具有高速和非线性的特征,常规算法存在追踪目标速度不足和丢失目标后的再识别困难... 详细信息

目前农业环境下的无序目标的精确计数有很高的应用需求,这种计数对其生物量、生物密度管理起到了重要的指导作用。如黑水虻幼虫目标追踪过程中,追踪对象具有高速和非线性的特征,常规算法存在追踪目标速度不足和丢失目标后的再识别困难等问题。针对以上问题,本文提出了一种改进sORT算法,通过改进卡尔曼滤波模型的方式提升目标追踪算法的快速性和准确性,提升了计数的精度。另外,针对黑水虻幼虫目标识别过程中幼虫性状的多样性和混料导致的复杂背景问题,本文通过实验对比多种深度学习网络性能选定yolo v5s算法提取图像多维度特征,提升了目标识别精度。实验结果表明:在划线计数方面,本文提出的改进sORT算法与原模型相比,平均精度从91.36%提升到95.55%,提升4.19个百分点,通过仿真和实际应用,证明了本文模型的有效性;在目标识别方面,使用yolo v5s模型在训练集上帧率为156 f/s,mAP@0.5为99.10%,精度为90.11%,召回率为99.22%,综合性能优于其他网络。

关键词：黑水虻幼虫目标识别目标追踪划线计数 yolo v5s sORT算法

基于yolo v5s的自然场景油茶果识别方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第7期53卷 234-242页

作者：宋怀波王亚男王云飞吕帅朝江梅西北农林科技大学机械与电子工程学院陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100

针对油茶果体积小、分布密集、颜色多变等特点,为实现自然复杂场景下油茶果的快速精准定位,并依据果实的疏密分布,确定恰当的自动振荡采收装置夹持位置,利用yolo v5s卷积神经网络模型,开展了自然环境下油茶果图像检测方法研究,用3296幅... 详细信息

针对油茶果体积小、分布密集、颜色多变等特点,为实现自然复杂场景下油茶果的快速精准定位,并依据果实的疏密分布,确定恰当的自动振荡采收装置夹持位置,利用yolo v5s卷积神经网络模型,开展了自然环境下油茶果图像检测方法研究,用3296幅油茶果图像制作PAsCAL vOC的数据集,对网络进行了150轮训练,得到的最优权值模型准确率为90.73%,召回率为98.38%,综合评价指标为94.4%,平均检测精度为98.71%,单幅图像检测时间为12.7 ms,模型占内存空间为14.08 MB。与目前主流的一阶检测算法yolo v4tiny和RetinaNet相比,其精确率分别提高了1.99个百分点和4.50个百分点,召回率分别提高了9.41个百分点和10.77个百分点,时间分别降低了96.39%和96.25%。同时结果表明,该模型对密集、遮挡、昏暗环境和模糊虚化情况下的果实均能实现高精度识别与定位,具有较强的鲁棒性。研究结果可为自然复杂环境下油茶果机械采收及小目标检测等研究提供借鉴。

关键词：油茶果自然场景目标检测 yolo v5s 深度学习数据增强

基于坐标注意力机制和yolo v5s模型的山羊脸部检测方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第7期54卷 313-321页

作者：郭阳阳洪文浩丁屹黄小平安徽大学互联网学院合肥230039 农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230039

山羊的脸部检测对羊场的智能化管理有着重要的意义。针对实际饲养环境中,羊群存在多角度、分布随机、灵活多变、羊脸检测难度大的问题,以yolo v5s为基础目标检测网络,提出了一种结合坐标信息的山羊脸部检测模型。首先,通过移动设备获取... 详细信息

山羊的脸部检测对羊场的智能化管理有着重要的意义。针对实际饲养环境中,羊群存在多角度、分布随机、灵活多变、羊脸检测难度大的问题,以yolo v5s为基础目标检测网络,提出了一种结合坐标信息的山羊脸部检测模型。首先,通过移动设备获取舍内、舍外、单头以及多头山羊的图像并构建数据集。其次,在yolo v5s的主干网络融入坐标注意力机制,以充分利用目标的位置信息,提高遮挡区域、小目标、多视角样本的检测精度。试验结果表明,改进yolo v5s模型的检测精确率为95.6%,召回率为83.0%,mAP0.5为90.2%,帧速率为69 f/s,模型内存占用量为13.2 MB;与yolo v5s模型相比,检测精度提高1.3个百分点,模型所占内存空间减少1.2 MB;且模型的整体性能远优于Faster R-CNN、yolo v4、yolo v5s模型。此外,本文构建了不同光照和相机抖动的数据集,来进一步验证本文方法的可行性。改进后的模型可快速有效地对复杂场景下山羊的脸部进行精准检测及定位,为动物精细化养殖时目标检测识别提供了检测思路和技术支持。

关键词：羊脸检测 yolo v5s 坐标注意力机制精准畜牧

基于ECA-yolo v5s网络的重度遮挡肉牛目标识别方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第3期54卷 274-281页

作者：宋怀波李嵘王云飞焦义涛华志新西北农林科技大学机械与电子工程学院陕西杨凌712100 农业农村部农业物联网重点实验室陕西杨凌712100

肉牛目标检测和数量统计是精细化、自动化、智能化肉牛养殖要解决的关键问题,受肉牛个体颜色及纹理相近和遮挡等因素的影响,现有肉牛目标检测方法实用性较差。本研究基于yolo v5s网络与通道信息注意力模块(ECABasicBlock),提出了一种融... 详细信息

肉牛目标检测和数量统计是精细化、自动化、智能化肉牛养殖要解决的关键问题,受肉牛个体颜色及纹理相近和遮挡等因素的影响,现有肉牛目标检测方法实用性较差。本研究基于yolo v5s网络与通道信息注意力模块(ECABasicBlock),提出了一种融合通道信息的改进yolo v5s网络(ECA-yolo v5s),在yolo v5s模型的骨干特征提取网络部分添加了3层通道信息注意力模块。ECA-yolo v5s网络实现了重度遮挡环境下多目标肉牛的准确识别。对养殖场监控视频分帧得到的肉牛图像采用了一种基于结构相似性的冗余图像剔除方法以保证数据集质量。数据集制作完成后经过300次迭代训练,得到模型的精确率为89.8%,召回率为76.9%,全类平均精度均值为85.3%,检测速度为76.9 f/s,模型内存占用量为24 MB。与yolo v5s模型相比,ECA-yolo v5s的精确率、召回率和平均精度均值分别比yolo v5s高1.0、0.8、2.2个百分点。为了验证不同注意力机制应用于yolo v5s的性能差异,本研究对比了CBAM(Convolutional block attention module)、CA(Coordinate attention)、sE(squeeze and excitation)和ECA(Efficient channel attention)4种注意力机制,试验结果表明,ECA注意力机制的平均精度均值分别比CBAM、CA、sE高0.5、0.6、0.2个百分点。并且分析讨论了不同遮挡情况以及光照情况的检测结果,结果表明,ECA-yolo v5s网络可以准确、快速地检测不同遮挡以及光照情况的肉牛目标。模型具有较高的鲁棒性,且模型较小,便于模型的迁移应用,可为肉牛目标检测及质押监管等研究提供必要的技术支撑。

关键词：肉牛目标检测 ECABasicBlock yolo v5s 重度遮挡环境

同方期刊数据库