|本期目录/Table of Contents|

[1]刘天真,苑迎春,滕桂法,等.基于改进YOLO v4的自然场景下冬枣果实分类识别[J].江苏农业科学,2024,52(1):163-172.
　Liu Tianzhen,et al.Classification and identification of winter jujube fruits in natural scenes based on improved YOLO v4[J].Jiangsu Agricultural Sciences,2024,52(1):163-172.
点击复制

基于改进YOLO v4的自然场景下冬枣果实分类识别(PDF)
分享到：

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

卷:
第52卷
期数:
2024年第1期
页码:
163-172
栏目:
农业工程与信息技术
出版日期:
2024-01-05

文章信息/Info

Title:
Classification and identification of winter jujube fruits in natural scenes based on improved YOLO v4
作者:
刘天真1; 2; 苑迎春1; 滕桂法1; 3; 孟惜4
1.河北农业大学信息科学与技术学院，河北保定 071001； 2.保定学院信息工程学院，河北保定 071000；3.河北省农业大数据重点实验室，河北保定 071001； 4.石家庄学院未来信息技术学院，河北石家庄 050035
Author(s):
Liu Tianzhen; et al
关键词:
冬枣; 果实识别; YOLO v4; 损失函数; 自然场景
Keywords:
-
分类号:
TP391.41
DOI:
-
文献标志码:
A
摘要:
为实现冬枣园机械化自动化采摘以及冬枣树精准化管理，针对自然场景下冬枣果实的快速、准确分类识别问题，提出一种基于YOLO v4模型改进的冬枣果实分类识别模型CC-YOLO v4。利用改进的CSP跨阶段部分连接结构和多尺度特征融合的CBAM卷积注意力模块，减小网络规模的同时增强特征提取能力，改善果实分类识别的误检和遮挡目标的漏检情况；采用Softmax交叉熵损失函数代替Sigmoid二元交叉熵损失函数作为分类损失函数，引入EIoU损失函数代替CIoU损失函数作为边界框回归损失，进一步改善果实分类识别的误检并提升预测框精度。试验结果表明，CC-YOLO v4模型对3类冬枣果实的查准率P均值为81.86%，平均检测精度均值mAP为82.46%，IoU均值为81.35%，模型参数量和大小分别为26.9 M和108 MB，检测速度可达28.8 F/s。与其他模型相比，本模型具有更好的分类识别能力、识别速度和较小的模型复杂度。在不同果实数量情况下进一步试验，本研究方法具有良好的精度和鲁棒性，对解决自然场景下冬枣果实的精准分类识别问题具有重要参考价值。
Abstract:
-

参考文献/References:

［1］马立然. 河北省枣产业发展对策研究［D］. 保定：河北农业大学，2012：1.
［2］段景长. 河北省沧州市特色农业灾害风险保障体系研究：以冬枣为例［D］. 昆明：云南财经大学，2016：14-17.
［3］李明玥，石国朝，朱家瑞，等. 冬枣果实品质综合评价［J］. 经济林研究，2021，39(4)：256-263.
［4］Wang Y T，Kan J M，Li W B，et al. Image segmentation and maturity recognition algorithm based on color features of Lingwu long jujube［J］. Advance Journal of Food Science and Technology，2013，5(12)：1625-1631.
［5］毕松，高峰，陈俊文，等. 基于深度卷积神经网络的柑橘目标识别方法［J］. 农业机械学报，2019，50(5)：181-186.
［6］刘燕德，叶灵玉，孙旭东，等. 基于光谱指数的蜜橘成熟度评价模型研究［J］. 中国光学，2018，11(1)：83-91.
［7］赵娟，全朋坤，马敏娟，等. 富士苹果采收成熟度光谱无损预测模型对比分析［J］. 农业机械学报，2018，49(12)：347-354.
［8］Lu Z H，Zhao M F，Luo J，et al. Design of a winter-jujube grading robot based on machine vision［J］. Computers and Electronics in Agriculture，2021，186：106170.
［9］王铁伟，赵瑶，孙宇馨，等. 基于数据平衡深度学习的不同成熟度冬枣识别［J］. 农业机械学报，2020，51(增刊1)：457-463，492.
［10］刘天真，滕桂法，苑迎春，等. 基于改进YOLO v3的自然场景下冬枣果实识别方法［J］. 农业机械学报，2021，52(5)：17-25.
［11］赵辉，乔艳军，王红君，等. 基于改进YOLO v3的果园复杂环境下苹果果实识别［J］. 农业工程学报，2021，37(16)：127-135.
［12］赵德安，吴任迪，刘晓洋，等. 基于YOLO深度卷积神经网络的复杂背景下机器人采摘苹果定位［J］. 农业工程学报，2019，35(3)：164-173.
［13］Cao Z P，Yuan R B.Real-time detection of mango based on improved YOLO v4［J］. Electronics，2022，11(23)：3853.
［14］王立舒，秦铭霞，雷洁雅，等. 基于改进YOLO v4-Tiny的蓝莓成熟度识别方法［J］. 农业工程学报，2021，37(18)：170-178.
［15］黄彤镔，黄河清，李震，等. 基于YOLO v5改进模型的柑橘果实识别方法［J］. 华中农业大学学报，2022，41(4)：170-177.
［16］Sun H X，Zhang S J，Ren R，et al. Surface defect detection of “yuluxiang” pear using convolutional neural network with class-balance loss［J］. Agronomy，2022，12(9)：2076.
［17］张志远，罗铭毅，郭树欣，等. 基于改进YOLO v5的自然环境下樱桃果实识别方法［J］. 农业机械学报，2022，53(增刊1)：232-240.
［18］Bochkovskiy A，Wang C Y，Liao H Y M. YOLO v4：optimal speed and accuracy of object detection［J］. arXiv Preprint arXiv，2004：10934.
［19］Wang C Y，Mark Liao H Y，Wu Y H，et al. CSPNet：a new backbone that can enhance learning capability of CNN［C］//2020 IEEE/CVF Conference on Computer Vision and Pattern Recognition Workshops (CVPRW). IEEE，2020：1571-1580.
［20］Woo S，Park J，Lee J Y，et al. CBAM：convolutional block attention module［C］//European Conference on Computer Vision.Cham：Springer，2018：3-19.
［21］Zhang Y F，Ren W Q，Zhang Z，et al. Focal and efficient IOU loss for accurate bounding box regression［J］. Neurocomputing，2022，506：146-157.

相似文献/References:

[1]贾晓梅,崔彬彬,温陟良,等.冬枣不同环剥宽度枣吊中内源激素含量分析[J].江苏农业科学,2016,44(04):240.
　Jia Xiaomei,et al.Analysis of endogenous hormone content in shedding shoots of Ziziphus jujube cv. “Dongzao” with different girdling width[J].Jiangsu Agricultural Sciences,2016,44(1):240.
[2]段丽君,邓青云,李国元,等.冬枣花药培养愈伤组织诱导的影响因素[J].江苏农业科学,2016,44(01):60.
　Duan Lijun,et al.Factors influencing callus induction of anther culture of winter jujube[J].Jiangsu Agricultural Sciences,2016,44(1):60.
[3]潘莹.冬枣多糖的2种提取工艺优化比较[J].江苏农业科学,2015,43(05):262.
　Pan Ying.Comparison and optimization of two extraction methods of polysaccharide from Zizyphus jujube cv. Dongzao[J].Jiangsu Agricultural Sciences,2015,43(1):262.
[4]崔升,张娜,许建,等.热处理对枣果肉中纤维素酶、多聚半乳糖醛酸酶活性及底物含量的影响[J].江苏农业科学,2016,44(03):279.
　Cui Sheng,et al.Effects of heat treatment on cellulose and polygalacturonase activities and substrate contents in jujube fruit[J].Jiangsu Agricultural Sciences,2016,44(1):279.
[5]蒋霞,张晓,白铁成,等.近红外光谱技术结合PLS和SPA检测鲜冬枣表面农药残留量的方法[J].江苏农业科学,2018,46(02):146.
　Jiang Xia,et al.Analysis of pesticide residues on fresh jujube surface using near infrared spectra recognition method based on partial least squares and successive projections algorithm[J].Jiangsu Agricultural Sciences,2018,46(1):146.
[6]孙爱良,何璇.冀东地区降水特征变化对冬枣管理模式的影响[J].江苏农业科学,2019,47(17):301.
　Sun Ailiang,et al.Influence of precipitation characteristics change on management model of winter jujube in eastern Hebei[J].Jiangsu Agricultural Sciences,2019,47(1):301.
[7]孙爱良,何璇,王佳真,等.冬枣果实成熟期含糖量变化特征与连阴雨裂果的关系[J].江苏农业科学,2020,48(19):160.
　Sun Ailiang,et al.Relationship between sugar content change characteristics of winter jujube fruit in mature period and fruit cracking caused by continuous rain[J].Jiangsu Agricultural Sciences,2020,48(1):160.
[8]谭玉鹏,耿阳,赵晓梅,等.喷施叶面肥对冬枣生长及贮后货架品质的影响[J].江苏农业科学,2023,51(6):152.
　Tan Yupeng,et al.Impacts of spraying foliar fertilizer on growth and shelf quality of winter jujube after storage[J].Jiangsu Agricultural Sciences,2023,51(1):152.

备注/Memo

备注/Memo:
收稿日期：2023-06-25
基金项目：国家自然科学基金(编号：62102130)；河北省自然科学基金(编号：F2020204003)；保定市科技计划(编号：2211ZG010)。
作者简介：刘天真(1975—)，女，河北保定人，博士研究生，副教授，主要从事智能信息处理、图像处理技术方面的研究。E-mail：liutz75@163.com。
通信作者：苑迎春，博士，教授，博士生导师，主要从事大数据技术、智能信息处理方面的研究。E-mail：nd_hd_yyc@163.com。
更新日期/Last Update: 2024-01-05