数字农科院2.0

基于网络瘦身算法的YOLOv4-tiny的甘蔗茎节识别

文献类型: 中文期刊

作者: 陈文;余康;李岩舟;陈远玲;胡珊珊;乔曦

作者机构:

关键词: MobileNet;网络瘦身;YOLOv4-tiny;甘蔗茎节

期刊名称:中国农机化学报

ISSN: 2095-5553

年卷期: 2023 年 44 卷 2 期

页码:

收录情况: 北大核心(2020版) ; ; 农林核心(2020版)

摘要: 为提高智能甘蔗收获的准确性,降低算法对部署的高算力要求,利用轻量级目标检测算法YOLOv4-tiny相对YOLOv4算法更简化的网络结构、更高的推理速度等优点,提出基于MobileNet和网络瘦身的两种YOLOv4-ting识别算法方案,并比较二者的精度和模型复杂度。其中,基于网络瘦身算法的YOLOv4-tiny在精度较瘦身前(94.7%)下降0.6%的情况下,模型复杂度下降为原来的1/3,即瘦身后的FLOPs和Params分别为1.1 G和1 789 658。而以MobileNet为Backbone的YOLOv4-tiny在精度下降1.92%的情况下,它的FLOPs和Params为1.29 G、2 600 068,其在精度和模型复杂度上的表现都不如瘦身后的YOLOv4-tiny模型。结果表明:基于网络瘦身算法的YOLOv4-tiny甘蔗茎节识别模型可有效降低模型复杂度,其计算量对嵌入式设备和移动式设备友好。该研究可为智能甘蔗收割机构的开发提供技术参考。

分类号:

  • 相关文献

[1]基于改进YOLOv4-tiny的茶叶嫩芽检测模型. 方梦瑞,吕军,阮建云,边磊,武传宇,姚青. 2022

[2]MobileNet Based Apple Leaf Diseases Identification. Chongke Bi,Jiamin Wang,Yulin Duan,Baofeng Fu,Jia Rong Kang,Yun Shi. 2022

[3]Design and experiment of a broken corn kernel detection device based on the yolov4-tiny algorithm. Xiaoyu Li,Yuefeng Du,Lin Yao,Jun Wu,Lei Liu. 2021

作者其他论文 更多>>