数字农科院2.0

基于改进RT-DETR的轻量化豆荚检测模型

文献类型： 中文期刊

作者： 刘亿琳;卢承方;黄岚;詹炜;王俊;邱丽娟

作者机构：

关键词： 豆荚识别;计算机视觉;RT-DETR;轻量化;深度学习

期刊名称：江苏农业科学

ISSN： 1002-1302

年卷期： 2025 年 53 卷 15 期

页码：

收录情况： 北大核心（2023版） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： 针对大豆豆荚植株大小不一、重叠以及茎秆遮挡等特点,同时为解决基于Transformer架构的豆荚目标检测模型检测中参数量大导致其在边缘设备部署困难的问题,提出一种改进RT-DETR的豆荚检测模型POD-DETR。首先,引入RepNCSPELAN特征提取模块和Adown降采样模块改进主干网络；其次,提出一种轻量级自适应编码器LWA-Encoder,在内部引入基于小波操作的池化方法替代最近邻插值上采样和卷积下采样操作,设计一种融合无参注意力机制SimAM的自适应细节融合模块DI-SAM改进编码器中原有的特征融合方式,提高模型对不同尺度豆荚的适应能力；最后,使用DIoU作为边界框损失函数,用于提升模型检测准确率。POD-DETR在自建数据集上准确率、召回率和平均精度均值分别达到94.7%、92.9%和97.2%,综合指标优于当前主流的一阶段、二阶段检测模型,在保持高精度的情况下,较基线模型在参数量和浮点运算量上分别降低59.9%和60.9%,实现了模型轻量化。在开源豆荚数据集上的试验结果中POD-DETR也有一定程度的性能提升,表明其具有良好的鲁棒性和泛化能力,可为豆荚检测与产量估计提供技术落地参考。

分类号：

  • 相关文献

[1]计算机视觉与深度学习在猪只识别中的研究进展. 刘峰,吴文杰,刘小磊,王欣然,方亚平,李国亮,杜小勇. 2023

[2]基于深度学习的图像分割在畜禽养殖中的应用研究进展. 姚超,倪福川,李国亮. 2023

[3]常态养殖下妊娠母猪体质量智能测定模型. 肖德琴,刘俊彬,刘又夫,黄一桂,谭祖杰,熊本海. 2022

[4]计算机视觉与深度学习在猪只识别中的研究进展. 刘峰,吴文杰,刘小磊,王欣然,方亚平,李国亮,杜小勇. 2024

[5]基于深度学习的图像分割在畜禽养殖中的应用研究进展. 姚超,倪福川,李国亮. 2024

[6]Study on Recognition of Typical Curing Stages of Jiangxi Tobacco Leaves Based on Image Processing. 段史江,,刘浩,,王爱华,,胡毅翀,,齐飞,,胡强. 2024

[7]Study on Discriminant Model of Flue-curing Stage of Tobacco Leaves in Curing Process. 王志诚,,孟令峰,,王松峰,,谢良文,,李文刚. 2024

[8]喷雾机喷杆结构的研究现状及展望. 乔白羽,丁素明,薛新宇,崔龙飞,周晴晴,张亚萍. 2017

[9]基于边缘设备的轻量化小目标果实检测模型. 张文利,陈开臻,刘鈺昕,段玉林,郭威,史云. 2021

[10]基于RT-WEDT的麦穗检测与计数方法. 李婕,杨子豪,郑权,乔江伟,涂静敏. 2024

[11]基于YOLOv10n-CHL的蜜蜂授粉轻量化识别模型. 常戬,王冰冰,尹龙,李燕青,李兆歆,李壮. 2025

[12]水稻田间收割场景语义分割方法——基于改进DeepLabV3+. 边铭,纪爱敏,沈成,蔺秋雨,韩宇飞. 2025

[13]基于YOLOv10n-CHL轻量化的蜜蜂授粉识别模型. 常戬,王冰冰,尹龙,李燕青,李兆歆,李壮. 2025

[14]基于计算机视觉的稻米垩白检测方法研究. 陈建华,姚青,胡洁,孙成效,朱智伟. 2010

[15]基于计算机视觉的水稻叶部病害识别研究. 刘涛,仲晓春,孙成明,郭文善,陈瑛瑛,孙娟. 2014

[16]计算机视觉技术在农业生产中的应用与展望. 马彦平,白由路,高祥照,卢艳丽,王磊,王贺,杜君. 2009

[17]基于计算机视觉技术的番茄叶片叶绿素含量的检测. 柴阿丽,李宝聚,王倩,石延霞,黄海洋. 2009

[18]基于文献计量的植物表型组学研究进展分析. 李晓曼,张扬,徐倩,谢能付. 2019

[19]现代信息技术在害虫种群密度监测中的应用. 沈佐锐,程登发,姚青. 2005

[20]针芽形绿茶外形品质智能化感官评价方法研究. 董春旺,张坚强,洪文娟,何华锋,朱宏凯,刘飞,叶阳. 2014

作者其他论文 更多>>