摘要
实现茶叶嫩芽识别是名优茶智能采摘的基础。针对茶园环境中对茶叶嫩芽识别精度较低以及采摘设备算力有限的问题,提出一种基于YOLO v7-tiny轻量化改进的GSNs-YOLO v7-tiny模型,使该茶叶嫩芽检测模型能在算力有限的采茶设备上高效运行。采集茶叶样本图像并制作试验数据集后,借鉴Ghost卷积轻量化思想,构建轻量化的模块G-Conv,并引入SE注意力机制构成GS-Conv模块,在实现轻量化的同时有效提高检测精度;引入NWD损失函数对CIoU进行优化,以提高模型对小目标的检测能力;采用通道剪枝算法对模型进行剪枝,通过删除不重要的通道,使模型体积、参数量等得到有效压缩;采用知识蒸馏技术对剪枝后的GSN-YOLO v7-tiny模型进行知识蒸馏,以弥补剪枝造成的检测精度损失,最终得到茶叶嫩芽检测模型GSNs-YOLO v7-tiny。结果表明,相较于改进前的YOLO v7-tiny, GSNs-YOLO v7-tiny模型的mAP值提升0.42百分点,模型体积、参数量、计算量分别降低7.34 MB(降幅59.72%)、3 938 218(降幅63.24%)、8.9 G(降幅64.03%)。
出处
《江苏农业科学》
北大核心
2025年第20期109-117,共9页
Jiangsu Agricultural Sciences
基金
广西自然科学基金联合专项(编号:2024JJH170029、2024JJH160041)。
