基于数据增强深度学习的苹果花检测方法研究
作者:陈国防; 陈兆英; 王玉亮; 王金星; 范国强; 李汉卿
更新时间:
为了提高现代果园化学疏花的工作效率,促进疏花机械的研发,针对果园生产中传统识别方法开花强度不完全、效率低的问题,提出了一种基于数据增强yolov4深度学习的苹果花检测方法。首先,建立了yolov4网络模型,采用CSP Darknet 53框架作为主要特征提取网络。然后,为了减少样本数据不均匀和不足的影响,研究了离线和在线数据增强的alpine方法。最后,利用人工标注的苹果花图像对模型进行微调和训练。将该方法与YOLOv3、YOLOv4和Fasterr-CNN的检测模型进行了比较。讨论了不同拍摄条件下苹果花的检测性能,验证了该方法的有效性。实验结果表明,用数据增强的yolov4方法检测苹果花的AP值为99.76%,分别比Faster r-cnn、YOLOv3和yolov4高2.53%、14.56%和5.08%。与其他检测方法相比,该方法具有更高的苹果花检测精度。