基于改进YOLOv4的棉花检测算法
作者:
作者单位:

作者简介:

通讯作者:

中图分类号:

基金项目:


Cotton Detection Algorithm Based on Improved YOLOv4
Author:
Affiliation:

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    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.

    Abstract:

    To improve the efficiency and intelligence of automatic cotton-picking machines and avoid false and missed picking, we propose an improved YOLOv4 target detection algorithm to detect single cotton in complex backgrounds. The K-means algorithm is used to screen the size of the clustering anchor frame and obtain the refined size suitable for the cotton data set. The attention mechanism is also introduced to the YOLOv4 algorithm, and the Squeeze-and-Excitation Networks (SENet) module is located in the network structure. During model training, the weights of pre-training are obtained by training on an open data set, and fine-tuning parameters of the cotton data set are applied to the pre-training model. Furthermore, the original data set is expanded through data enhancement and the pre-training model has been trained again. Experimental results show that the improved YOLOv4 algorithm proposed in this study can effectively realize cotton detection in the field environment.

    参考文献
    相似文献
    引证文献
引用本文

刘正波,鲍义东,孟庆伟.基于改进YOLOv4的棉花检测算法.计算机系统应用,2021,30(8):164-170

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2020-11-18
  • 最后修改日期:2020-12-21
  • 录用日期:
  • 在线发布日期: 2021-08-03
  • 出版日期:
文章二维码
您是第位访问者
版权所有:中国科学院软件研究所 京ICP备05046678号-3
地址:北京海淀区中关村南四街4号 中科院软件园区 7号楼305房间,邮政编码:100190
电话:010-62661041 传真: Email:csa (a) iscas.ac.cn
技术支持:北京勤云科技发展有限公司

京公网安备 11040202500063号