自然環(huán)境下基于增強YOLOv3的百香果目標檢測

打開文本圖片集

摘要 為解決當前流行的目標檢測模型對自然環(huán)境下百香果由于目標密集互相遮擋所致的檢測效率低等問題，以YOLOv3網(wǎng)絡為基礎，提出了一種基于增強的YOLOv3百香果目標檢測算法。首先，針對百香果目標尺寸的特點，利用以交并比為距離度量的改進K-means++算法，重新獲取與目標果實相匹配的錨選框，提高對目標的框選精度以及模型的收斂速度;其次，在輸出網(wǎng)絡中將用來篩選目標預測框的Soft-NMS算法通過線性函數(shù)的形式對其高斯函數(shù)的抑制參數(shù)進行改進，以提高模型在不同密集場景下的適應性和檢測能力;最后，利用增強的YOLOv3模型在經(jīng)過預處理后的百香果數(shù)據(jù)集上進行多次試驗對比，結(jié)果表明增強后的YOLOv3目標檢測算法平均精度均值（mAP）達到94.62%， F1 值達到94.34%，較原YOLOv3算法分別提升了4.58和3.68百分點，平均檢測速度為25.45幀/s，基本滿足了自然環(huán)境下百香果目標檢測的精準性和實時性要求。（剩余15955字）