YOLO-Ginseng:一种在自然农业环境中检测人参果的检测方法
Zhedong Xie1, Zhuang Yang1, Chao Li1
1College of Engineering and Technology, Jilin Agricultural University, Changchun, China.
Frontiers in plant science
|December 6, 2024
概括
这项研究介绍了YOLO-Ginseng,这是用于识别人参水果的先进视觉检测方法. 该方法提高了准确性和速度,为智能人参收获设备铺平了道路.
科学领域:
- 计算机视觉 计算机视觉
- 农业技术 农业技术
- 机器学习 机器学习
背景情况:
- 精确和快速检测人参果实对于开发智能收获设备至关重要.
- 现有的视觉检测方法与人参水果复杂的生长环境作斗争,导致检测不准确.
研究的目的:
- 提出一种有效的视觉检测方法,YOLO-Ginseng,用于准确和快速识别人参果.
- 为了应对水果封闭等挑战,并提高远距离检测性能.
主要方法:
- 开发了一种新的C3f-RN特征提取模块,具有滑动窗口机制,用于增强感知.
- 应用道修剪算法来压缩YOLO-Ginseng模型,平衡精度和速度.
主要成果:
- 压缩的YOLO-Ginseng实现了95.6%的平均精度,比未压缩版本略有下降,但比YOLOv5s提高了2.4%.
- 推断时间为7.4ms,模型重量大小 (76.4%),参数数量 (79.3%) 和计算负载 (74.2%) 显著减少.
- 在Jetson Orin Nano计算设备上以24.9/秒的实时检测得到了证明.
结论:
- 与其他模型相比,YOLO-Ginseng表现出卓越的检测性能,有效性和实用性.
- 该方法为智能人参果摘设备的发展提供了必要的基础.
