基于改进YOLOv4的蔗种坏芽识别方法研究

为实现蔗种切种机构对坏芽蔗种实时检测剔除,提出一种基于改进YOLOv4的蔗种坏芽快速识别方法。通过在YOLOv4主干网络添加轻量的注意力模块(CBAM),以增强网络提取蔗芽特征能力,降低背景噪声对蔗芽识别精度的影响;并利用K-means算法对数据集重新聚类,生成符合蔗芽特征的锚定框,提高蔗种坏芽检测精度;将路径聚合网络中原有的标准卷积替换为深度可分离卷积,大幅减少参数降低计算负荷,整体识别速度得到提升。测试结果表明:改进后的网络模型比YOLOv4精确率提高3.12%,平均精确率均值提高4.15%,召回率提高3.69%,单张图像识别时间缩短7 ms。改进后算法实现对蔗种坏芽的快速准确识别,满足切种机构实时检测并剔除蔗种坏芽的需求。