基于改进YOLOv4算法的苹果叶部病害缺陷检测研究

摘要：

针对苹果叶部病害缺陷检测效率低下、误检率高、实时性差等问题,以苹果叶部的灰斑病、黑星病、锈病、斑点落叶病作为研究对象,提出一种基于改进YOLOv4算法的苹果叶部病害缺陷检测算法.首先通过数据扩增对数据集扩充提升鲁棒性,算法通过二分K均值聚类算法确定锚框以解决预设锚框不适用苹果叶部病害的问题,引入DenseNet121作为特征提取网络,提升对苹果叶部病害缺陷的检测性能,并且减小模型大小,降低存储开销.将模型与YOLOv4模型进行对比验证,试验结果表明,改进后的YOLOv4模型平均精度均值(mAP)达到97.52％,与改进前相比提升0.89％,模型大小为62.71 MB,与改进前相比减小182.82 MB,检测速度为26.33 FPS,与改进前相比提升6.78 FPS.能够满足实际生活中对苹果叶部病害检测的需求.

关键词：苹果叶部病害、缺陷检测、YOLOv4、二分K均值聚类、DenseNet121

所属期刊栏目：43

分类号：TP391.4;S436.611.1(计算技术、计算机技术)

资助基金：国家自然科学基金;中国高校产学研创新基金一新一代信息技术创新项目

在线出版日期：2022-11-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：182-187