一个简化的网络拓,用于水果检测,计数和移动电话部署
Olarewaju Mubashiru Lawal1, Shengyan Zhu1, Kui Cheng1
1Sanjiang Institute of Artificial Intelligence & Robotics, Yibin University, Yibin, Sichuan, China.
PloS one
|October 9, 2023
概括
一个新的简化网络拓大大降低了参数,并提高了水果检测,跟踪和计数的速度. 这种强大而准确的模型非常适合移动部署,克服了以前的挑战.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 农业技术 农业技术
背景情况:
- 果实检测系统面临复杂网络拓,高计算成本和大量参数数量的挑战.
- 环境的变化进一步使准确和高效的水果检测,跟踪和计数变得复杂.
研究的目的:
- 为水果检测,跟踪和计数设计一个简化的网络拓,解决现有的局限性.
- 开发一个强大,快速,准确,适合移动部署的模型.
主要方法:
- 一个新的骨干集成卷积神经网络 (Conv),Maxpooling (Maxpool),特征连接和空间金字塔聚合 (SPPF).
- 基于YOLOv8架构的修改解头用于检测和细分任务.
- 在各种数据集上进行验证,包括草,朱和桃水果图像.
主要成果:
- 简化的网络显示的参数显著减少:比YOLOv5n低32.6%,比YOLOv7-tiny低127%,比YOLOv8n.低50.0%.
- 实现了82.4%的平均平均精度 (mAP@50%),显示了与主流YOLO变体相比具有竞争力的精度.
- 显示出优越的速度,比YOLOv5n快12.8%,比YOLOv7-tiny快17.8%,比YOLOv8n快11.8%.
结论:
- 简化网络为水果检测,跟踪和计数提供了强大,快速和准确的解决方案.
- 其降低的参数数量和提高的效率使其在移动设备上高度部署.
- 拟议的架构有效地克服了与复杂网络和水果分析中的环境变异性相关的挑战.


