基于改进轻量化YOLO v7的成熟期香梨目标检测方法  

Target detection method for fragrant pears at mature stage based on improved lightweight YOLO v7

作　　者：郑文轩 杨瑛 Zheng Wenxuan

机构地区：[1]江苏第二师范学院物理与信息工程学院,江苏南京211200

出　　处：《江苏农业科学》2024年第20期121-128,共8页Jiangsu Agricultural Sciences

基　　金：新疆生产建设兵团科技创新项目(编号:2021CB021)。

摘　　要：为在自然环境下准确地识别和检测香梨果实,以YOLO v7为基础网络模型,针对果园中香梨果实、果叶、枝干之间相互遮挡问题,提出一种改进的轻量化YOLO v7梨果目标检测方法。该方法将MobileNet v3引入YOLO v7模型中作为其骨干特征提取网络,从而减少网络的参数量,使其更容易部署在移动端和生产实际,在特征融合层引入协同注意力机制CA(coordinate attention)模块,以提高网络的特征表达能力,将原YOLO v7中的损失函数CIoU替换为SIoU,从而提高模型的检测速度和性能。最后利用Grad-CAM方法产生目标检测热力图,进行特征可视化。结果表明,改进的轻量化YOLO v7模型的平均精度均值(mAP)、精确率、召回率指标分别为96.33%、94.36%、89.28%,检测速度为87.71(帧/s),模型内存占用量与原YOLO v7相比减少21.45 MB;其检测平均精度均值(mAP)与Faster R-CNN、YOLO v3、MobileNet v3-YOLO v4、YOLO v5s、YOLO v7模型相比分别提高28.37、9.66、13.14、4.58、3.20百分点。研究表明,改进的轻量化YOLO v7模型对成熟期香梨具有很好的目标检测效果和鲁棒性,可为香梨自动化采摘提供有效的技术支持。

关 键 词：目标检测 香梨 YOLO v7 轻量化 注意力机制 

分 类 号：S126[农业科学—农业基础科学] TP391.41[自动化与计算机技术—计算机应用技术]