摘要:为提高自动化采棉机械的采摘效率和智能化水平, 避免误采摘、漏采摘, 采用以复杂背景下实现单个棉花检测为目标, 提出一种改进的YOLOv4目标检测算法. 使用K-means算法进行聚类锚框尺寸的筛选, 得到适合棉花数据集的精细化锚框尺寸. 同时在YOLOv4算法中引入注意力机制, 在其网络结构中添加SENet (Squeeze-and-Excitation Networks)模块. 在模型训练时, 首先在公开数据集上训练取得预训练权重, 在预训练模型上使用棉花数据集微调参数, 并使用数据增强方式扩充原始数据集, 在预训练模型上再次训练. 实验结果表明, 本文提出的YOLOv4改进算法, 能够很好的实现田间环境下的棉花检测.