基于数据增强深度学习的苹果花检测方法研究

来源：中国农机化学报杂志2022年第5期北京时间：

作者：陈国防, 陈兆英, 王玉亮, 王金星, 范国强, 李汉卿,

摘要：为提高现代化果园化学疏花的工作效率以及促进疏花机械的研发，针对果园生产中传统识别方法检测开花强度不全面、效率低等问题，提出一种基于数据增强YOLOv4深度学习的苹果花检测方法。首先，搭建YOLOv4网络模型，以CSPDarknet53框架为主干特征提取网络，然后为了减少样本数据不均和数量不足的影响，进行离线和在线数据增强的YOLOv4方法研究。最后，利用人工标注的苹果花图像对模型进行微调和训练，将所提出的方法与YOLOv3、YOLOv4和Faster R-CNN的检测模型进行对比试验，并讨论了不同拍摄情况下苹果花的检测性能，验证了该方法的有效性。试验结果表明，所提出的数据增强的YOLOv4的方法检测苹果花的AP值为99.76%；分别比Faster R-CNN、YOLOv3和YOLOv4提高了2.53%、14.56%和5.08%。相较于其他检测方法，该方法具有更高的苹果花检测精准度。

关键词：苹果花检测,深度学习,数据增强,YOLOv4,开花强度,现代化果园

基金资助：国家苹果产业技术体系智能化生产岗位专家项目（CARS—27）；“十三五”国家重点研发计划项目（2020YFD1000201）