基于可形变卷积与SimAM注意力的密集柑橘检测算法

来源：中国农机化学报杂志2023年第2期北京时间：

作者：李子茂, 李嘉晖, 尹帆, 帖军, 吴钱宝,

单位：1. 中南民族大学计算机科学学院，武汉市，430074；2. 农业区块链与智能管理湖北省工程研究中心，武汉市，430074；3. 湖北省制造企业智能管理工程技术研究中心，武汉市，430074

摘要：针对现有检测算法难以检测自然场景下小而密集的柑橘问题，提出一种DS-YOLO(Deformable Convolution SimAM YOLO)密集柑橘检测算法。引入可形变卷积网络(Deformable Convolution)代替原YOLOv4中的特征提取网络部分卷积层，使特征提取网络能自适应提取遮挡、重叠等导致柑橘形状信息缺失的位置特征，在特征融合模块中，增加新的检测尺度并融合SimAM注意力机制，增强模型对于小而密集柑橘特征的提取能力。试验结果表明：DS-YOLO算法相较于原YOLOv4准确率提高8.75%，召回率提高7.9%，F1分数提高5%，能够较准确检测自然环境下的密集柑橘目标，为密集水果产量预测和采摘机器人提供了有效的技术支持。

关键词：目标检测,特征提取,密集柑橘,可形变卷积,SimAM注意力

基金资助：国家民委中青年英才培养计划(MZR20007)；湖北省科技重大专项(2020AEA011)；武汉市科技计划应用基础前沿项目(2020020601012267)；中南民族大学研究生创新基金(3212022sycxjj328)