基于改进YOLOX-s的苹果花生长状态检测方法及验证分析

来源：中国农机化学报杂志2023年第8期北京时间：

作者：高昂, 卢传兵, 任龙龙, 李玲, 沈向, 宋月鹏,

单位：1. 山东农业大学机械与电子工程学院，山东泰安，271018； 2. 山东省园艺机械与装备重点实验室，山东泰安，271018； 3. 山东省烟台市农业技术推广中心，山东烟台，264001；4. 山东农业大学园艺科学与工程学院，山东泰安，271018

摘要：为实现苹果园智能疏花，提出一种基于改进YOLOX-s的苹果花生长状态检测方法。采集并建立苹果花数据集，以用于网络模型的训练和验证，搭建YOLOX-s模型，对主干网络进行改进，在输出特征后两层加入CBAM注意力机制模块，采用EIOU作为模型的回归函数，在后处理阶段引入Focal Loss损失函数，以提高模型对拥簇苹果花的检测能力，提高模型的平均精度。结果表明改进后的YOLOX-s模型精确度为91.75%，相比未改进前提升0.5%，召回率提升6.19%，平均精度提高4.28%。该研究为实现苹果花生长状态智能检测提供技术支持，指导智能化疏花精准决策。

关键词：苹果花检测,YOLOX,智能化果园

基金资助：山东省现代农业产业技术体系果品产业创新团队资金(SDAIT—06—12、SDAIT—06—04、SDAIT—06—07)；烟台市科技计划项目（乡村振兴类）（2022XCZX097）