基于YOLOX改进模型的茶叶嫩芽识别方法

• Published in: 广东农业科学 Vol. 49; no. 7; pp. 49 - 56
• Main Authors: 俞龙, 黄楚斌, 唐劲驰, 黄浩宜, 周运峰, 黄永权, 孙佳琪
• Format: Journal Article
• Language: Chinese
• Published: 国家精准农业航空施药技术国际联合研究中心,广东广州 510642%华南农业大学电子工程学院(人工智能学院),广东广州 510642%广东省农业科学院茶叶研究所/广东省茶树资源创新利用重点实验室,广东广州 510640%华南农业大学工程学院,广东广州 510642 2022; 华南农业大学电子工程学院(人工智能学院),广东广州 510642
• Subjects: YOLOX算法; 注意力机制; 茶叶嫩芽识别; 深度学习
• ISSN: 1004-874X
• DOI: 10.16768/j.issn.1004-874X.2022.07.007

S571.1%TP391.413; [目的]改善茶叶嫩芽识别困难的问题,提高模型的识别准确率.茶叶嫩芽的识别是实现茶叶自动化采摘的核心技术之一,而茶叶嫩芽生长的姿态以及采集图像时的拍摄角度等条件都会对茶叶嫩芽的识别带来困难,造成识别准确率低的问题.[方法]提出一种改进的YOLOX茶叶嫩芽检测算法SS-YOLOX,该方法能准确地对一芽一叶、一芽二叶等茶叶嫩芽进行识别、分类.该方法通过添加注意力模块(Squeeze and excitation,SE)提高模型的特征提取能力,改善小目标漏检问题、引入Soft NMS算法改善检测框重叠度较高时的打分机制,提高模型对不同场景下嫩芽的识别能力.[结果]消融试验表明,引入Soft-NMS算法、SE模块均能提高YOLOX模型模型的检测精度,以引入SE模块提升较为明显.通过不同嫩芽图像对比验证算法的可行性和准确性,SS-YOLOX模型的均值平均精度mAP比原YOLOX模型提高2.2％,达到86.3％,表明经过改进后,模型的识别能力得到提升.在目标嫩芽数量较多的情况下,SS-YOLOX模型能有效地降低漏检率和错检率.[结论]SS-YOLOX模型能准确识别茶叶嫩芽,且识别效果更好,可为茶叶智能化采摘提供技术基础.