改进YOLOv7-Tiny农田环境下甜椒果实检测

摘要：

针对在农田环境下甜椒果实的深度学习目标检测算法容易出现误检率较高、检测精度较低的问题,为提高农业生产管理系统以及农业机器人生产效率.基于YOLOv7-Tiny目标检测算法进行一系列改进.在YOLOv7-Tiny的主干中添加DBB(diverse branch block)模块;在三个输出特征层添加SimAM注意力机制;采用Bi-FPN特征融合机制,并增加跨通道特征融合,在P7层加入ASPP空洞空间卷积池化金字塔结构;采用数据集增强技术,对数据集图片进行扩充和图像处理,将800张甜椒果实数据集图片扩充至4 800张.实验结果表明,在相同实验条件下改进YOLOv7-Tiny相较于YOLOv7-Tiny平均准确率(mAP)提高了2.21个百分点,视频检测速度32.82 FPS,改进YOLOv7-Tiny模型体积相较于YOLOv7-Tiny减小5.4 MB.改进YOLOv7-Tiny精度有明显提升,可实现快速、精准检测甜椒果实.

关键词：甜椒检测、卷积神经网络、Bi-FPN、YOLOv7-Tiny

所属期刊栏目：59

分类号：TP391.41(计算技术、计算机技术)

资助基金：浙江省尖兵领雁研发攻关计划项目2022C02057

在线出版日期：2023-08-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：329-340