改进的YOLO算法检测草莓苗花果,Biosystems Engineering

准确识别温室草莓苗的花果是自动化疏花疏果的关键，可以提高栽培效率，降低人工成本。针对草莓苗花和果实尺寸小、颜色相似、重叠遮挡等问题，提出一种实时识别算法（Improved YOLO）来准确识别草莓苗花和果实。首先，在YOLO v7的高分辨率特征图上构建了Swin Transformer预测头，以更好地利用空间位置信息来增强对小目标花卉和水果的检测，提高模型在相似场景中的空间交互和特征提取能力。颜色和重叠遮挡。其次，构建了GSConv的GS-ELAN网络颈部优化模块，以抑制高分辨率预测头的浅层噪声干扰，并减轻高分辨率预测头带来的参数增加。实验结果表明，改进的YOLO的Precision(P)、Recall(R)和mean Average Precision(mAP)分别为92.6%、89.6%和92.1%。同时，改进的YOLO算法实现了45 f/s的帧率，满足实时检测要求。比YOLOv7的精度、召回率和mAP分别高3.2%、2.7%和4.6%。该模型检测花卉和水果的准确率分别为93.9%和91.3%，召回率分别为93%和86.3%，平均准确率分别为94.7%和89.5%。改进后的YOLO算法具有较高的鲁棒性和实时检测性能，能够快速准确地识别草莓苗的花果，为温室环境下草莓苗疏花疏果的自动化管理提供有效支撑。

"点击查看英文标题和摘要"

相关知识

基于YOLO v7
基于改进YOLOv5的草莓病害识别
基于改进YOLO v5s模型的水稻病虫害监测系统
基于改进YoloV4的轻量化菠萝苗心检测算法
基于改进YOLOv8的多阶段草莓检测算法
基于改进YoloV3卷积神经网络的番茄病虫害检测
【yolo破损纸板
基于深度学习的草莓成熟度检测系统（网页版+YOLOv8
葡萄园植保机器人路径规划算法
基于YOLOv10深度学习的草莓成熟度检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、人工智能

网址: 改进的YOLO算法检测草莓苗花果,Biosystems Engineering https://www.huajiangbk.com/newsview2330872.html