基于GhostNet的机器人对番茄叶片目标检测算法  

作　　者：姚雨蒙 孙文轩 李俊明 

机构地区：[1]西安外事学院工学院,西安710077

出　　处：《电脑编程技巧与维护》2023年第9期3-5,8,共4页Computer Programming Skills & Maintenance

基　　金：陕西省教育厅一般专项项目(21JK0868)。

摘　　要：为了在农业机器人上部署面向番茄叶片图像的识别和检测系统,实现准确和快速检测的双重要求,在YOLOv4和YOLOv4(tiny)目标检测算法的基础上,设计了基于GhostNet模块的YOLOv4-Ghost Net和YOLOv4(tiny)-GhostNet两种检测算法,其中,YOLOv4(tiny)属于YOLOv4的轻量级检测算法,进一步提升机器人对番茄叶片图像的识别检测精度和检测速度。实验结果表明,引入Ghost Net模块的深度学习检测算法,在实现模型参数量减少的情况下,保证了网络模型的特征提取和表达能力。YOLOv4(tiny)-G hostNet的平均检测率为95.44%,相比于YOLOv4、YOLOv4-GhostNet和YOLOv4(tiny),平均检测率分别提高了2.21、13.99、10.21个百分点。同时YOLOv4(tiny)-GhostNet的模型参数量不足YOLOv4的1/13,模型参数明显的缩减,极大地提高了检测算法的优势。

关 键 词：农业机器人 番茄叶片图像 轻量级目标识别检测网络 

分 类 号：S641.2[农业科学—蔬菜学] TP391.41[农业科学—园艺学] TP242[自动化与计算机技术—计算机应用技术]