TY -的A2 -黄,楼继伟AU - Chen Wenkang AU - Lu, Shenglian盟——刘Binghao AU -李郭盟——钱,婷婷PY - 2020 DA - 2020/11/25 TI -检测柑橘果园环境中通过改进YOLOv4 SP - 8859237六世- 2020 AB -实时检测水果的果园环境是至关重要的许多精准农业应用技术,包括产量估计和自动获取。由于复杂的条件,如不同生长时期和闭塞树叶和水果,检测水果在自然环境中是一个相当大的挑战。快速柑橘类识别方法通过改进最先进的你只看一次版本4 (YOLOv4)探测器提出了本文。Kinect V2相机是用来收集柑橘树的RGB图像。树冠算法和k - means + +算法被用于自动选择前一帧的数量和规模从这些RGB图像。改进YOLOv4网络结构提出了更好地检测小柑橘复杂背景下。最后,训练网络模型用于稀疏的训练,修剪不重要的渠道网络,或网络层和微调修剪的参数模型来恢复一些识别的准确性。实验结果表明,改进的YOLOv4探测器适用于检测不同生长时期的柑橘在自然环境中,平均增加3.15%(从92.89%到96.04%)的准确性。这个结果优于原始YOLOv4, R-CNN YOLOv3,更快。这个模型的平均检测时间是0.06秒每帧1920×1080分辨率。 The proposed method is suitable for the rapid detection of the type and location of citrus in natural environments and can be applied to the application of citrus picking and yield evaluation in actual orchards. SN - 1058-9244 UR - https://doi.org/10.1155/2020/8859237 DO - 10.1155/2020/8859237 JF - Scientific Programming PB - Hindawi KW - ER -