引用格式：
靳学萌, 梁西银, 邓鹏飞. 基于改进YOLOv10的轻量级黄花菜分级检测模型[J]. 智慧农业(中英文), 2024, 6(5): 108-118.
Citation:JIN Xuemeng, LIANG Xiyin, DENG Pengfei. Lightweight Daylily Grading and Detection Model Based on Improved YOLOv10[J]. Smart Agriculture, 2024, 6(5): 108-118.
官网全文在线阅读
知网阅读
基于改进YOLOv10的轻量级黄花菜分级检测模型
靳学萌1，2， 梁西银1，2*， 邓鹏飞1，2
（1.西北师范大学 物理与电子工程学院，甘肃兰州 730070，中国；2.甘肃省智能信息技术与应用工程研究中心，甘肃兰州 730070，中国）
摘要：
［目的/意义］在农业生产的后期，对干制黄花菜等级进行准确分类至关重要。针对现有目标检测模型在干制黄花菜分级任务中精度不足及参数过多的问题，提出一种轻量级的YOLOv10-AD网络模型。
［方法］该模型设计了全新的骨干网络AKVanillaNet，针对干制黄花菜的特殊形状特征进行了优化，显著提升了检测精度，同时降低了模型的参数和计算成本。此外，还将DysnakeConv模块嵌入C2f结构中，进一步增强了对干制黄花菜特征的提取能力，并通过采用Powerful-IOU（PIOU）损失函数，更好地拟合数据，提升模型性能。
［结果和讨论］在干制黄花菜等级分类的数据集上的测试结果表明，YOLOv10-AD模型的平均准确率mAP（Mean Average Precision）达到了85.7%，其参数量、计算量和模型大小分别为2.45 M、6.2 GFLOPs和5.0 M，帧率FPS（Frames Per Second）为156。与基准模型相比，YOLOv10-AD不仅将mAP提升了5.7%，FPS提升了25.8%，同时还将参数量、计算量及模型大小分别降低9.3%、24.4%和9.1%，不仅提升了检测精度，还降低了模型的部署难度。
［结论］提出的YOLOv10-AD网络模型能够在不同光照条件下对干制黄花菜进行精准分类，且具有较好的实时性，为干制黄花菜等级的智能分类提供了有效的技术参考。
关键词： YOLOv10；轻量化；分级检测；目标检测；AKVanillaNet
文章图片
图1 部分黄花菜分级数据集图像
Fig. 1 Part images from the daylily grading dataset
图2 Labelme软件标注界面
Fig. 2 Labelme software annotation interface
图3 黄花菜数据集图像扩充
Fig. 3 Daylily dataset image augmentation
图4 YOLOv10-AD模型结构
Fig. 4 Structure of YOLOv10-AD model
图5 VanillaNet网络结构图
Fig. 5 VanillaNet architecture diagram
图6 AKConv任意卷积核大小的初始采样坐标
Fig. 6 Initial sampling coordinates for arbitrary kernel size in AKConv
图7 VanillaNet和AKVanillaNet卷积层结构
Fig.7 The convolutional layer structures of VanillaNet and AKVanillaNe
图8 C2f-DysnakeConv模块
Fig. 8 C2f-DysnakeConv module
图9 Bottleneck-DS模块
Fig. 9 Bottleneck-DS module
图10 YOLOv10-AD模型与主流YOLO模型对比实验各模型PR曲线
Fig. 10 Comparison experiment of YOLOv10-AD model and mainstream YOLO models PR curves of each model
图11 不同损失函数对比实验Loss损失曲线
Fig. 11 Comparison experiment of different loss functions of loss curve
图12 黄花菜分级检测可视化效果图
Fig. 12 Visualization effects for daylily grade detection
作者简介
梁西银 副教授
梁西银，男，1971年5月生，汉族，西北师范大学物理与电子工程学院高级实验师，电子应用技术研究所所长，甘肃省智能信息处理与应用研究工程中心副主任，电子科学与技术专业、电子通信工程专业硕士生导师。主要研究方向为测量与控制、嵌入式系统、智能仪器。在近几年内完成7项基于嵌入式系统技术的智能仪器和工业产品的研发，其中5项产品实现了批量生产和较大范围的应用推广，产值达350多万元。获甘肃省高校科技进步二等奖1项，中国人民解放军科技进步三等奖2项。主持甘肃省科技攻关及支撑项目2项，兰州市科技计划项目1项；申请获得国家专利10项，软件著作权登记7项，各种科研经费累积100多万元。
来源：《智慧农业（中英文）》2024年第5期
转载请联系编辑部授权
本期支持单位
推荐阅读
智慧农业微信交流服务群
发布征集
欢迎在我公众号发布科研团队介绍、创新科研成果及相关活动等信息。
