农业装备智能化 | PY一YOLO:基于深度学习的梨幼果目标检测方法
农业装备智能化 | PY一YOLO:基于深度学习的梨幼果目标检测方法
摘要:针对梨幼果检测依靠人工,劳动强度大、智能化程度低的问题,提出一种名为PY—YOLO的基于深度学习的梨幼果目标检测方法。该模型在检测骨干和检测头中创新性地采用DRBNCSPELAN模块进行特征提取,融合多分支结构和重参数技术,增强模型的特征学习能力和重参数化的效率,提高对梨幼果的识别和定位精度。同时,引人EMA注意力机制,采用跨空间的学习方法进一步有效捕捉并利用多尺度特征信息,以增强梨幼果检测模型的识别能力和鲁棒性。通过对比分析不同损失函数,研究确认SIoU损失函数在梨幼果检测模型中提升定位精度和模型鲁棒性方面的优势。在测试集上,PY—YOLO模型展现出卓越性能,相较于YOLOv8模型有显著提升,精确率达 90.57% ,召回率为 87.74% ,mAP为 93.26% ,且保持FPS为62帧/s,能够满足实际梨园幼果实时准确的检测需要。为梨幼果检测提供一种高效、准确的方法,该方法在农业自动化领域具有广泛应用前景。