引用格式：
李阳德, 马晓慧, 王骥. 基于轻量级MobileNet V3-YOLOv4的生长期菠萝成熟度分析[J]. 智慧农业(中英文), 2023, 5(2): 35-44.
DOI：10.12133/j.smartag.SA202211007
Citation:LI Yangde, MA Xiaohui, WANG Ji. Pineapple maturity analysis in natural environment based on Mobilenet V3-YOLOv4[J]. Smart Agriculture, 2023, 5(2): 35-44.
DOI：10.12133/j.smartag.SA202211007
李阳德1，2， 马晓慧3*， 王骥3，4*
（1.广东省电信规划设计院有限公司第四分公司，广东湛江 524088；2.华中科技大学 电子信息与通信学院，湖北武汉 430070；3.广东海洋大学电子与信息工程学院，广东湛江 524088；4.广东省智慧海洋传感网及其装备工程技术研究中心，广东湛江 524088；）
摘要： ［目的/意义］菠萝的贮藏性与成熟度相关，菠萝采摘前对其成熟度进行识别尤为重要。本研究目的在于提出一种新型网络模型，提高菠萝成熟度自动识别的准确率和速度。［方法］首先针对菠萝训练数据集样本少与实时性差等不足，利用在自然环境下拍摄的菠萝照片，自建了种植区场景菠萝成熟度分析数据集。之后将YOLOv4骨干网络替换成轻量级网络MobileNet V3，提出了轻量级的MobileNet V3-YOLOv4网络。同时训练了原YOLOv4模型、MobileNet V1-YOLOv4模型、MobileNet V2-YOLOv4模型以及Faster R-CNN、YOLOv3、SSD300、Retinanet、Centernet等五种不同的单、双阶段网络模型，并对比模型的评价指标，分析本文模型的优越性。［结果和讨论］试验结果表明，MobileNet V3-YOLOv4训练时间为11,924 s，参数量为53.7 MB，训练好的MobileNet V3-YOLOv4在验证集的平均精度均值（mean Average Precision，mAP）为90.92%，对于黄熟期菠萝和青熟期菠萝两种类别的检测精确率（Precision）分别为100%和98.85%，平均精度（Average Precision，AP）值分别为87.62%、94.21%，召回率（Recall）分别为77.55%、86.00%，F1分数（F1 Score）分别为0.87和0.92，推理速度（Frames Per Second，FPS）80.85 img/s。［结论］本研究提出的MobileNet V3-YOLOv4实现了在降低训练速度、减小参数量的同时，提高了菠萝成熟度识别的精度和推理速度，满足实际检测需求。
关键词： 菠萝成熟度；骨干网络；MobileNet V3-YOLOv4；Faster R-CNN；SSD300；Retinanet；Centernet；轻量级
文章图片
注：（a）（f）为无遮挡无阴影光照适中的合适样本；（b）（g）为光照不均的样本；（c）（h）为枝叶遮挡的样本；（d）（i）为阴影遮挡的样本；（e）（j）为枝叶遮挡的样本、光照不均且阴影覆盖的样本
图1 不同采集环境下的菠萝样本图
Fig. 1 Pineapple samples in different collection environments
注：图中SPP模块用4个大小分别为13×13、9×9、5×5和1×1的卷积核将特征层的输出进行最大池化操作；①、②、③为PANet经过五次卷积和特征融合获得的特征层，三大特征层对应的大小分别为52×52、26×26和13×13，三个特征层将被送到Head模块用于预测
图2 YOLOv4网络结构
Fig.2 Structure of YOLOv4
注：①为普通卷积用于升维；②为深度卷积；③为普通卷积用于降维；结构③不需要BN块进行归一化处理
图3 Benck结构
Fig. 3 The structure of the Benck
图4 SE模块
Fig.4 SE module
图5 MobileNet V3-YOLOv4的主干网络结构
Fig. 5 The backbone network structure of MobileNet V3-YOLOv4
图6 菠萝成熟度检测算法工作流程
Fig.6 Flowchart of pineapple ripeness test algorithm
注：左侧三列为青熟期菠萝，右侧三列为黄熟期菠萝
图7 四种网络在复杂农田场景下对不同成熟度菠萝的检测结果
Fig. 7 Detection results of pineapple with different maturity by four networks in complex farmland scenario
通信作者简介
王骥 教授
王骥，广东海洋大学电子与通信技术教授，电子信息工程国家一流专业建设点负责人，广东省特色专业带头人，信息与通信工程重点优势学科带头人、校学术委员会委员；广东省智慧海洋传感网及其装备工程技术中心主任；广东省电子信息类教指委委员，中国电子学会高级会员，广东省仪器仪表学会监事。农业工程与信息化硕士点负责人，广东海洋大学计算机科学与技术硕士生导师，广东省重大与基础类项目评审专家，全国电子设计大赛广东省赛区专家，湛江市工业与信息化局资深专家。主持及参与国家、省、市级科技项目30项，其中主持国家基金面上项目1项，青年基金项目1项，广东省自然科学基金2项，广东省教育厅重大项目人工智能领域专项1项，广东省普通高校重点领域新一代信息技术专项1项。以第一（或通信）作者共发表高水平论文36篇（共80多篇）；第一发明人国家已授权发明专利8项，其中PCT美国发明专利2项；出版专著《无线传感器网络原理、技术与应用》一部。
来源：《智慧农业（中英文）》2023年第2期
转载请联系编辑部授权
推荐阅读
小
店
欢迎光临选购
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。
