快速精准识别棚内草莓的改进YOLOv4-Tiny模型

来源：农业工程学报杂志2022年第18期北京时间：

作者：孙俊,陈义德,周鑫,沈继锋,武小红,

摘要：为了实现棚内草莓果实的快速精准识别，该研究提出一种基于改进YOLOv4-Tiny的草莓检测模型。首先，为了大幅度减少模型计算量，采用轻量型网络GhostNet作为特征提取网络，并在GhostBottleneck结构中嵌入卷积注意力模块以加强网络的特征提取能力；其次，在颈部网络中添加空间金字塔池化模块和特征金字塔网络结构，融合多尺度特征提升小目标草莓的检测效果；最后，采用高效交并比损失作为边界框回归损失函数，加速网络收敛并提高模型的检测准确率。结果表明，改进YOLOv4-Tiny模型权重大小仅为4.68 MB，平均每幅图片的检测时间为5.63 ms，在测试集上的平均精度均值达到92.62%，相较于原YOLOv4-Tiny模型提升了5.77个百分点。与主流的目标检测模型SSD、CenterNet、YOLOv3、YOLOv4和YOLOv5s相比，改进YOLOv4-Tiny模型平均精度均值分别高出9.11、4.80、2.26、1.22、1.91个百分点，并且模型权重大小和检测速度方面均具有绝对优势，该研究可为后续果实智能化采摘提供技术支撑。

关键词：机器视觉, 图像处理, 果实识别, YOLOv4-Tiny, 注意力机制, 小目标