基于改进YOLOv7的油茶果实成熟度检测

摘要：为确保油茶果实处于最佳成熟度进行采摘,提高油茶果实的出油率及茶油品质,该研究针对自然环境下油茶果实多被遮挡的问题,以原始YOLOv7模型为基础进行改进,提出一种油茶果实成熟度检测方法.首先,在主干网络中引入十字交叉注意力机制(criss-crossattention,CCA)加强对被枝叶遮挡果实成熟度特征的提取能力;其次,使用基于距离和交并比的非极大值抑制(distance-iou non-maximum suppression,DIoU-NMS)算法代替传统非极大值抑制(non-maximum suppression,NMS)算法,从而加强模型对相互遮挡果实的检测能力;最后,以训练集中3 098张油茶果实图像训练改进的YOLOv7模型,验证集中442张图像用于在训练过程中评估模型,并对测试集中885张图像进行测试.改进后的YOLOv7模型在测试集下的精确率P为93.52％,召回率R为90.25％,F1分数为91.86％,平均精度均值mAP为 94.60％,平均检测时间为 0.77 s,模型权重大小为 82.6 M.与 Faster R-CNN、EfficientDet、YOLOv3、YOLOv51 和原始YOLOv7模型相比,平均精度均值mAP分别提升7.51、5.89、4.21、4.21和2.91个百分点.试验证明,改进的YOLOv7模型为实现油茶果实的智能化采摘提供理论依据.

在线出版日期：

2024-06-07 （万方平台首次上网日期，不代表论文的发表时间）

相关知识

基于深度学习的yolov7植物病虫害识别及防治系统
基于改进YOLO v5s模型的水稻病虫害监测系统
基于YOLOv7的植物虫害识别＆防治系统（源码＆教程）资源
基于YOLOv5s改进模型的小白菜虫害识别方法
基于YOLOv7的植物虫害识别＆防治系统（源码＆教程）
深度学习之基于YoloV7植物病虫害识别及防治系统
YOLOv7：植物虫害识别＆防治系统（源码＆教程）
基于知识图谱的病虫害检测及防治推荐系统
基于改进YOLOv8的水稻病虫害检测方法及系统
基于YOLOv8/YOLOv7/YOLOv6/YOLOv5的玉米病虫害检测系统（Python+PySide6界面+训练代码）

网址: 基于改进YOLOv7的油茶果实成熟度检测 https://www.huajiangbk.com/newsview1347462.html