申请/专利权人：江苏大学

申请日：2021-08-30

公开（公告）日：2024-03-19

公开（公告）号：CN113822169B

主分类号：G06V40/10

分类号：G06V40/10;G06V20/00;G06V10/764;G06V10/774;G06V10/82;G06N3/0464;G06N3/048;G06N3/092

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2022.01.07#实质审查的生效;2021.12.21#公开

摘要：本发明提供了一种基于改进PP‑YOLO的果园树木行人检测方法﹐属于农业果园障碍物检测技术领域,本发明是对以YOLOv3为基线模型的PP‑YOLO算法进行改进，主要是对该算法中骨干网络、输入尺寸以及召回率三方面进行优化增强，在几乎不损失精度的前提下，获得了体积更小，运算速度更快的算法模型，极大程度上满足了果园树木行人检测的实时性和准确性要求，在一定程度上提高了果园作业时的效率。

主权项：1.一种基于改进PP-YOLO的果园树木行人检测方法，其特征在于，包括以下步骤：步骤1：对果园场景分季节与光照强度进行拍摄并制作数据集；步骤2：对PP-YOLO模型骨干网络进行优化改进；步骤3：对PP-YOLO模型输入尺寸及召回率进行优化改进；步骤3的具体过程如下：3.1为了在移动端有更好的性能，在VOC数据集上，使用320*320这种更小的输入图像尺寸，重新聚类了锚框，并对应的在训练过程中把每个批量图片的缩放范围调整到192-512来适配小尺寸输入图片的训练；3.2由于在使用小尺寸输入图片时，对应的目标尺寸也会被缩小，漏检的概率会变大，因此对应的采用了如下两种方法来提升目标的召回率：A、原真实框的注册方法是注册到网格里最匹配的锚框上，优化后还会同时注册到所有与该真实框的loU不小于0.25的锚框上；B、原来所有与真实框loU小于0.7的锚框会被当错负例，优化后将该阈值减小到0.5，降低了负例比例；步骤4：将制作好的数据集分别添加到改进前后的PP-YOLO模型中进行训练和测试，查看预训练模型并对比改进前后的模型检测效果。

全文数据：

权利要求：

百度查询： 江苏大学 一种基于改进PP-YOLO的果园树木行人检测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD