基于轻量级MobileNet V3-YOLOv4 的生长期菠萝成熟度分析

分类： 农、林、牧、渔 >> 农业基础学科 提交时间： 2023-08-14 合作期刊: 《智慧农业（中英文）》

李阳德 马晓慧 王骥

摘要： ［目的/意义］菠萝的贮藏性与成熟度相关，菠萝采摘前对其成熟度进行识别尤为重要。本研究目的在于 提出一种新型网络模型，提高菠萝成熟度自动识别的准确率和速度。［方法］首先针对菠萝训练数据集样本少与实 时性差等不足，利用在自然环境下拍摄的菠萝照片，自建了种植区场景菠萝成熟度分析数据集。之后将YOLOv4 骨干网络替换成轻量级网络MobileNet V3，提出了轻量级的MobileNet V3-YOLOv4网络。同时训练了原YOLOv4模 型、MobileNet V1-YOLOv4 模型、MobileNet V2-YOLOv4 模型以及Faster R-CNN、YOLOv3、SSD300、Retinanet、 Centernet等五种不同的单、双阶段网络模型，并对比模型的评价指标，分析本文模型的优越性。［结果和讨论］试 验结果表明，MobileNet V3-YOLOv4训练时间为11,924 s，参数量为53.7 MB，训练好的MobileNet V3-YOLOv4在验 证集的平均精度均值（mean Average Precision，mAP） 为90.92%，对于黄熟期菠萝和青熟期菠萝两种类别的检测 精确率（Precision） 分别为100%和98.85%，平均精度（Average Precision，AP） 值分别为87.62%、94.21%，召回 率（Recall） 分别为77.55%、86.00%， F1 分数（F1 Score） 分别为0.87 和0.92， 推理速度（Frames Per Second， FPS）80.85 img/s。［结论］本研究提出的MobileNet V3-YOLOv4实现了在降低训练速度、减小参数量的同时，提高 了菠萝成熟度识别的精度和推理速度，满足实际检测需求。

 点击量 619  下载量 133  评论