期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
大视场下火龙果目标检测与计数方法
1
作者 欧阳春凡 高嘉正 +5 位作者 陈桥 曾春林 李文涛 肖明玮 罗陈迪 周学成 《中国农业科技导报(中英文)》 北大核心 2025年第8期100-109,共10页
为解决大视场条件下小目标火龙果识别精度低、实时性差、果实计数困难的问题,提出一种大视场下火龙果目标检测与计数方法,实现火龙果小目标精准识别与计数,完善火龙果机器人采前指导性工作。在目标特征提取阶段,采用动态可变形卷积C2F_D... 为解决大视场条件下小目标火龙果识别精度低、实时性差、果实计数困难的问题,提出一种大视场下火龙果目标检测与计数方法,实现火龙果小目标精准识别与计数,完善火龙果机器人采前指导性工作。在目标特征提取阶段,采用动态可变形卷积C2F_DCNV2_Dynamic替换YOLOv8主干网络的C2F模块,引入Conv_offer_mask获取输入特征图的可变形偏移和掩码,使网络能够更好地适应目标形状的特征,提升复杂背景的目标特征提取能力;以多路协调注意力(multipath coordinate attention,MPCA)机制模块对输入进行多路径处理,使模型可以同时关注输入张量的空间信息与通道信息,提高网络对不同尺度和语境的特征感知能力,进而提升小目标识别精度;在目标预测阶段,使用基于端到端Transformer的检测器RT-DETR的Decoder Head替换YOLO Head,通过集合预测方法直接对目标进行预测和关联,去除传统非极大抑制步骤,提高推理速度,进一步提升网络实时性能;在目标计数阶段,结合Deep Sort算法实现果实区域计数。结果表明,改进的目标检测网络对火龙果果实检测的平均精度可达99.0%,在实时性测试中每秒传输32帧,模型大小为11.8 MB,果实计数精度达82.96%,平均检测速度为17帧·s^(−1)。该方法能够精准识别与计数大视场条件下的小目标火龙果,且实时性满足果园实际生产环境。 展开更多
关键词 小目标火龙果识别 果实计数 YOLOv8 C2F_DCNV2_Dynamic MPCA decoder head
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部