基于多重特征增强与特征融合SSD的荔枝检测

来源：农业工程学报杂志2022年第4期北京时间：

作者：彭红星,李荆,徐慧明,陈虎,邢政,何慧君,熊俊涛,

摘要：使用无人机拍摄的荔枝图像目标尺寸小、特征信息不足。为了更多、更好地检测到荔枝，该研究提出一种基于多重特征增强与特征融合的SSD（Single Shot Multibox Detector based on Multiple Feature Enhancement and Feature Fusion，MFEFF-SSD）模型。为了减少不必要的计算量，删除原始主干网络Vgg16的最后两个卷积层，并在Conv8和Conv9层使用感受野模块（Receptive Field Block，RFB），提升主干网络的特征提取能力；然后使用高效空间金字塔模块（Efficient Spatial Pyramid Block，ESP），增强浅层特征；提出改进的路径聚合网络（Improved Path Aggregation Network，IPANet）多尺度融合特征，提升荔枝小目标的检测效果；最后在浅层引入通道注意力机制SE（Squeeze and Excitation）模块，进一步提高检测精度。同时，调整先验框的大小和数量，适应荔枝小目标的尺寸。试验结果表明：该研究提出的RFB模块可以提高检测效果；IPANet的平均精确率比FPN（Feature Pyramid Network）略有提高；SE模块的平均精确率比CBAM（Convolutional Block Attention Module）、ECA（Efficient Channel Attention）模块分别提高1.15个百分点和2.12个百分点；ESP模块的平均精确率比ASPP（atrous spatial pyramid pooling）提高2.51个百分点；与SSD、Yolov4-tiny、Faster-RCNN和CenterNet模型相比，MFEFF-SSD模型的平均精确率分别提高30.62、14.58、44.46和15.93个百分点，能够更精准、有效地实现对无人机拍摄的荔枝图像检测，可为小目标农作物的检测开拓思路。

关键词：无人机, 图像处理, 特征增强, 特征融合, 荔枝检测