10.16433/j.1673-2383.2023.05.014
基于改进YOLOX的小麦不完善粒检测技术研究
针对现有小麦不完善粒检测方法存在适用性差、识别效率低的问题,提出一种基于改进 YOLOX的小麦不完善粒检测算法.在 3 个小麦品种、不同拍摄高度和不同籽粒数量场景下采集小麦图像数据集.针对籽粒过小难以检测的问题,引入坐标注意力模型提升图像中不完善粒的显著度,并使用加权双向特征金字塔改进特征融合模块结构,实现了不同尺度不完善粒特征的有效融合.针对多目标检测实时性问题,使用深度可分离卷积模块轻量化特征提取网络,降低网络的计算参数量,提高检测速度.结果表明,改进后的模型检测漏检率小于 5%,对不完善粒的平均检测精度达到 93.43%,检测速度为 37 fps,相较于原YOLOX网络,检测精度和速度分别提高了 2.58 百分点和 5.78 fps.该方法可以在不同籽粒大小、颗粒数量以及不同密集程度情况下对小麦不完善粒进行有效识别检测,可为进一步的小麦不完善粒实时检测和统计应用提供技术参考.
小麦不完善粒、加权双向特征金字塔、YOLOX算法、坐标注意力机制、深度学习
44
TS210(食品工业)
国家自然科学基金;河南省优秀青年基金项目;郑州市科技创新协同专项重点项目
2023-11-06（万方平台首次上网日期，不代表论文的发表时间）
共9页
109-117
