-
题名基于改进YOLO v8的苹果树树干精准识别方法
被引量：1
- 1
-
-
作者
张宏建
孙智霖
亓新春
曹鑫鹏
任松
王金星
-
机构
山东农业大学机械与电子工程学院
山东农业大学园艺科学与工程学院
农业装备智能化山东省工程研究中心
山东派蒙机电技术有限公司
山东省设施园艺智慧生产技术装备重点实验室(筹)
-
出处
《农业机械学报》
CSCD
北大核心
2024年第S1期246-255,262,共11页
-
基金
山东省重点研发计划项目(2022CXGC020706)
国家苹果产业技术体系项目(CARS-27)
+2 种基金
山东省青年科技人才托举工程项目(SDAST2024QTA050)
山东省高等学校“青创团队计划”项目(2023KJ160)
乡村振兴科技创新提振行动计划项目(2023TZXD061)
-
文摘
针对苹果树树干识别中存在检测精度差与速度低的问题,提出一种基于改进YOLO v8的苹果树树干精准识别方法。首先,采用深度感知相机采集苹果树树干图像,并以YOLO v8为基准模型,采用结构重参数化卷积替换卷积层,增强模型特征学习能力。其次,优化特征融合单元,增加动态头部检测机制,提升检测速度与检测精度。最后,以传统YOLO v8、Fast R-CNN等作为对照模型,以平均精度和帧率等作为评价指标,进行田间试验。结果表明,本文改进模型具备精准识别苹果树树干的能力,平均精度达到95.07%,检测速度提升至112.53 f/s,模型参数量为4.512×10^(7)。相比传统YOLO v8模型,平均精度提高了4.98个百分点,检测速度提高了3.24 f/s。与主流的目标检测模型Fast R-CNN、YOLO v7、YOLO v5、YOLO v3相比,改进模型平均精度分别高出15.26、6.33、9.59、13.41个百分点;检测速度分别高出96.81、75.27、2.23、57.10 f/s;参数量比Fast R-CNN、YOLO v5、YOLO v3分别减少9.198×10^(7)、1.93×10^(6)、1.641×10^(7)。该研究为苹果园中自主导航及智能作业提供了技术与方法支持。
-
关键词
苹果树树干
精准识别
改进YOLO
v8
特征学习
动态检测
-
Keywords
apple tree trunk
precise identification
improved YOLO v8
Feature learning
dynamic detection
-
分类号
S661.1
[农业科学—果树学]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
