10.3969/j.issn.1000-386x.2021.02.023
基于T-YOLO-LITE树干检测的模型部署方法
为解决猕猴桃采摘机器人视觉导航问题,提出基于T-YOLO-LITE的猕猴桃树干检测方法.通过保留BN层、调整输入图像尺寸、修改anchor boxes、添加负样本对YOLO-LITE进行改进,并利用Movidius与OpenCV-DNN将改进后的模型分别部署在树莓派与CPU设备中.实验结果表明:通过改进优化使模型检测精度提升至59.75％;利用Movidius与OpenCV-DNN部署后,模型检测速度分别达到了2帧每秒和6帧每秒.该模型在检测精度与YOLOV2-TINY持平的情况下,检测速度为YOLOV2-TINY的两倍,并在非GPU设备上完成近实时的树干检测任务.
YOLO、目标检测、模型部署、卷积神经网络
38
TP391(计算技术、计算机技术)
国家自然科学基金项目;陕西省科技统筹创新工程计划项目
2021-03-09（万方平台首次上网日期，不代表论文的发表时间）
共8页
132-139
