-
题名基于AD-YOLOX-Nano的茶叶嫩芽识别算法
- 1
-
-
作者
高芳征
温鑫
黄家才
陈光明
金少宇
赵雪迪
-
机构
南京工程学院自动化学院
南京工程学院机械工程学院
南京农业大学工学院
-
出处
《中国农机化学报》
北大核心
2025年第1期178-184,F0002,共8页
-
基金
国家自然科学基金面上项目(61873120)
江苏省重点研发项目课题(BE2021016—5)
+2 种基金
江苏省自然科学基金面上项目(BK20201469)
江苏省高等学校自然科学研究重大项目(20KJA510007)
江苏省研究生实践创新计划项目(SJCX22_1061)。
-
文摘
为解决茶叶嫩芽识别困难,提高自然环境下茶叶嫩芽识别的精确性和鲁棒性,提出一种融入注意力机制和深度可分离卷积的改进型YOLOX-Nano(AD-YOLOX-Nano)茶叶嫩芽识别算法。该算法以YOLOX-Nano模型为基础,采用CSPDarkNet作为主干网络,通过在CSPDarkNet网络中引入深度可分离卷积(Depthwise Separable Convolution)来减少特征提取工作量,并将卷积注意力模块(Convolutional Block Attention Module)融入到YOLOX-Nano网络的特征金字塔中,学习不同通道的特征相关性,增强网络的深度信息传递,提高模型在不同场景下对茶叶嫩芽的识别能力。结果表明:AD-YOLOX-Nano算法的平均精度AP值和F_(1)值分别为85.6%和86%,相较于同环境下YOLOX-Nano算法,该算法的模型大小基本保持不变,但其AP值和F_(1)值分别提高2.7%和3%。与常用的YOLOv5-S、YOLOv4和Faster R-CNN等目标检测算法相比,该AD-YOLOX-Nano算法模型大小仅为它们的1/7,但AP值分别提高5.4%、5.5%和6.28%。所提算法在模型轻量化和检测精度方面优势显著,为茶叶智能化采摘的嵌入式硬件部署提供有效解决方案。
-
关键词
茶叶嫩芽识别
ad-yolox-nano算法
注意力机制
深度可分离卷积
-
Keywords
tea buds recognition
ad-yolox-nano
attention mechanism
depthwise separable convolution
-
分类号
S24
[农业科学—农业电气化与自动化]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
