基于模型剪枝改进FCOS的实时柑橘检测研究

为实现快速实时的柑橘视觉检测,提出了一种基于模型剪枝的多维度特征Slim-FOCS逐像素目标检测算法,可实现自然环境下成熟柑橘高效快速检测。使用FCOS模型架构,选用Darknet 19作为模型主干网络,设计FPN多尺度特征提取网络融合柑橘图像不同尺度的特征,加强主干网络中的视觉特征提取。初训练完成后进行模型剪枝,将每一层的权重以通道(channel)为基准计算特征的L2 normalization,将小于30%的通道删除后进行模型微调。对柑橘图像进行检测并分析模型,检测结果表明,对柑橘检测的准确率(mAP)达到96.01%,模型所需的计算力(Flops)为0.88 G,参数占用内存为29.79 MB,相比于剪枝前分别减少了1.878 G、24.86 MB。对单张图片在CPU的检测速度达到22.9 ms·张-1。