基于改进YOLO-V3网络的百香果实时检测

针对目前流行的目标检测模型对真实果园中百香果检测的抗干扰能力不理想问题,本文提出基于改进的YOLO-V3网络对真实果园中百香果进行实时检测。首先,剔除YOLO-V3模型的大物体预测尺度,将3尺度预测降为2尺度预测,用于加快物体的检测速度;其次,在中型物体预测尺度后添加DenseNet网络,用于增强网络特征传播,提高模型的检测精度;最后,利用改进的YOLO-V3网络对百香果数据集进行多次训练,得到最优预训练模型。实验结果表明:改进的YOLO-V3网络实时检测效果好,对目标的平均检测精度高达97.5%以上,并且检测速度达到38幅/s,为实时检测百香果提供了有效方法。