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：
基于PCIA-YOLO的复杂环境下草莓成熟度轻量化检测方法 被引量：1
1
作者 姜业帆 江朝晖 +1 位作者 朱瑞 闫勇 《南京农业大学学报》 北大核心 2025年第6期1451-1463,共13页
[目的]为了解决在复杂环境下不同成熟度草莓目标检测精度较低的问题,实现复杂环境下的草莓成熟度快速检测,本文提出了一种草莓成熟度检测模型PCIA-YOLO。[方法]首先,在Backbone中将部分C2f模块替换为引入部分卷积(PConv)的C3-PConv模块... [目的]为了解决在复杂环境下不同成熟度草莓目标检测精度较低的问题,实现复杂环境下的草莓成熟度快速检测,本文提出了一种草莓成熟度检测模型PCIA-YOLO。[方法]首先,在Backbone中将部分C2f模块替换为引入部分卷积(PConv)的C3-PConv模块,减少卷积过程中的浮点数和计算量;其次,引入联系上下文的自注意力机制(CoT)到C2f模块中,增强特征提取能力,进而提升输出特征的表达能力;然后,更改边界框损失函数为基于辅助边框的IoU损失(Inner-IoU),提高模型收敛速度,降低损失,提升模型检测性能;最后,增加自适应样本选择机制(ATSS),根据研究目标自动选择正负样本,进一步提升模型检测性能。[结果]试验结果表明,PCIA-YOLO模型的权重仅为5.30 MB,准确率、召回率、平均精度均值mAP_0.5和mAP_0.5:0.95分别为94.90%、93.20%、97.10%和74.10%;相比原基础模型YOLOv8n,模型权重减少0.64 MB,准确率、召回率和平均精度均值mAP_0.5和mAP_0.5:0.95分别提高4.00%、7.30%、5.60%和8.90%。[结论]改进的轻量化模型能够快速准确地检测复杂环境下不同成熟度的草莓,更加适合部署在嵌入式设备上,可为智能化收获过程中的成熟草莓识别提供技术基础。 展开更多
关键词 草莓 成熟度检测 深度学习 轻量化 pcia-yolo
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