您好，欢迎访问中国农业科学院 机构知识库！

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于边缘设备的轻量化小目标果实检测模型

文献类型： 中文期刊

作者： 张文利 1 ; 陈开臻 1 ; 刘鈺昕 1 ; 段玉林 2 ; 郭威 3 ; 史云 2 ;

作者机构： 1.北京工业大学信息学部

2.中国农业科学院农业资源与农业区划研究所

3.日本东京大学田间表型实验室

关键词： 果实检测;Yolov3;小目标;轻量化;Jetson TX2 nano

期刊名称： 中国农业信息

ISSN： 1672-0423

年卷期： 2021 年 001 期

页码： 28-36

摘要： 【目的】随着计算机视觉和智慧农业的快速发展,果实检测技术已成为研究热点。然而在果园实际应用场景中,存在模型计算量大、目标果实尺度小的问题,导致模型难以在边缘设备上实时运行且小目标果实检测精度低,因此文章通过改进Yolov3模型,设计并实现一种轻量化小目标果实检测模型RegNet-Yolov3,能够在边缘设备上实时运行并实现高精度果实检测。【方法】该模型通过构建轻量化特征提取网络,有效降低模型参数计算量,满足在边缘设备上实时运行要求;并针对柑橘果实小尺度特点,通过添加浅层网络检测分支优化模型小目标检测性能,提升检测精度。【结果】将模型部署在边缘设备Jetson TX2 nano上进行测试,模型m AP值和网络推理速度分别为96.0%和122 ms,均优于原先Yolov3网络测试结果。【结论】实验结果表明,该研究模型能够实现在保持较高检测精度下,在边缘设备Jetson TX2 nano上实时运行,满足果园作业平台果实检测工作。

  • 相关文献

[1]基于Yolo的结直肠息肉CT影像分析算法研究. 代国威,晏静香. 2021

[2]基于卷积神经网络的水稻虫害识别方法. 郭阳,许贝贝,陈桂鹏,丁建,严志雁,梁华,吴昌华. 2021

[3]改进YOLOv3的多尺度高分辨率特征增强图像目标检测. 杨文姬,李浩,王映龙,梅梦. 2023

[4]喷雾机喷杆结构的研究现状及展望. 乔白羽,丁素明,薛新宇,崔龙飞,周晴晴,张亚萍. 2017

[5]基于RT-WEDT的麦穗检测与计数方法. 李婕,杨子豪,郑权,乔江伟,涂静敏. 2024

[6]基于改进RT-DETR的轻量化豆荚检测模型. 刘亿琳,卢承方,黄岚,詹炜,王俊,邱丽娟. 2025

[7]基于YOLOv10n-CHL的蜜蜂授粉轻量化识别模型. 常戬,王冰冰,尹龙,李燕青,李兆歆,李壮. 2025

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：中国农业科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台