基于YOLOx的马铃薯芽眼检测

马铃薯芽眼检测是实现种薯自动切块的关键因素。为快速、准确检测马铃薯种薯芽眼,提高智能切种装置效率,提出一种基于卷积神经网络的马铃薯种薯芽眼检测方法。首先,针对芽眼形态多样的特点,通过图像增广及图像多样化处理建立马铃薯芽眼数据库,以增强检测网络的泛化能力;然后,利用YOLOx对小尺寸目标的高效特征表达能力,构建用于芽眼检测的网络模型,实现马铃薯芽眼的快速准确检测。试验结果表明:YOLOx网络对含有单个和多个无遮挡芽眼的样本,以及含有疤痕、斑点、虫眼和机械损伤的样本均有良好的检测效果。其中,最终检测精准度P为95.86%,召回率R为96.95%,平均精度均值mAP为95.37%,检测速度为42.3 FPS。对比YOLOv3和YOLOv4网络模型,YOLOx模型可以同时满足马铃薯芽眼识别检测的精度和速度要求,可为马铃薯智能化切种提供技术支持。