| 基于改进YOLOX的自然环境下核桃识别算法研究 |
| |
| 引用本文： | 钟正扬,云利军,杨璇玺,陈载清.基于改进YOLOX的自然环境下核桃识别算法研究[J].河南农业科学,2024(1):152-161. |
| |
| 作者姓名： | 钟正扬 云利军 杨璇玺 陈载清 |
| |
| 作者单位： | 1. 云南师范大学信息学院;2. 云南省教育厅计算机视觉与智能控制技术工程研究中心;3. 云南省林业调查规划院生态分院卫星林业应用中心 |
| |
| 基金项目： | 云南省教育厅科学研究基金项目（2023Y0533）； |
| |
| 摘 要： | 针对现有目标检测算法对自然环境下核桃识别存在漏检、误检等问题，提出了一种基于Swin Transformer多层特征融合改进的YOLOX-S核桃识别算法。首先，在主干特征提取网络中引入基于Swin Transformer的多层特征融合模块，借助Swin Transformer的多头注意力机制对小目标的特征信息进行提取并与特征图进行融合，可以有效解决因网络层数加深导致的高层特征图中小目标特征信息丢失问题；其次，为了提高算法的检测精度，引入更高效的Repblock模块对原网络中的CSP模块进行替换；最后，为了提高下采样效果，使用更为优秀的Transition Block模块作为主干特征提取网络的下采样模块。结果表明，改进后的YOLOX-S模型在采集的自然环境下核桃数据集上平均精度AP50达到96.72%，分别比Faster-RCNN、YOLOv5-S、YOLOX-S算法提高7.36、1.38、0.62百分点，检测速度达到46 f/s，模型参数大小为20.55 M。改进后的YOLOX-S算法具有更好的精度，改善了漏检和误检问题，对自然环境下的核桃有更好的识别效果。
|
| 关 键 词： | 核桃识别 Swin Transformer 多层特征融合模块 YOLOX-S 深度学习 |
|
