改進YOLOv4的溫室環境下草莓生育期識別方法

龍潔花 郭文忠 林森 文朝武 張宇 趙春江

摘要：針對目前設施農業數字化栽培調控技術中對作物的生育期實時檢測與分類問題，提出一種改進YO? LOv4的溫室環境下草莓生育期識別方法。該方法將注意力機制引入到YOLOv4主干網絡的跨階段局部殘差模塊（Cross Stage Partial Residual ，CSPRes）中，融合草莓不同生長時期的目標特征信息，同時降低復雜背景的干擾，提高模型檢測精度的同時保證實時檢測效率。以云南地區的智能設施草莓為試驗對象，結果表明，本研究提出的YOLOv4-CBAM （YOLOv4-Convolutional Block Attention Module）模型對開花期、果實膨大期、綠果期和成熟期草莓的檢測平均精度（Average Precision ，AP）分別為92.38%、82.45%、68.01%和 92.31%，平均精度均值（Mean Average Precision ，mAP）為83.79%，平均交并比（Mean Inetersection over Union ，mIoU）為77.88%，檢測單張圖像時間為26.13 ms。YOLOv4-CBAM 模型檢測草莓生育期的mAP相比 YOLOv4、YOLOv4-SE 、YOLOv4-SC 模型分別提高8.7%、4.82%和 1.63%。該方法可對草莓各生育期目標進行精準識別和分類，并為設施草莓栽培的信息化、規模化調控提供有效的理論依據。

關鍵詞：目標檢測;草莓;生育期識別; YOLOv4;殘差模塊;注意力機制;損失函數

中圖分類號： S126文獻標志碼： A文章編號：202109-SA006

引用格式：龍潔花， 郭文忠， 林森， 文朝武， 張宇， 趙春江. 改進YOLOv4的溫室環境下草莓生育期識別方法[J].智慧農業（中英文）， 2021， 3（4）：99-110.?????????????????????????????????????????????? ????????????????????????????????????LONG Jiehua， GUO Wenzhong， LIN Sen， WEN Chaowu， ZHANG Yu， ZHAO Chunjiang. Strawberry growth period recognition method under greenhouse environment based on improved YOLOv4[J]. Smart Agriculture， 2021， 3（4）：99-110.（in Chinese with English abstract）

1? 引言

中國是世界上草莓生產和消費的第一大國，草莓生產是促進中國農民增收致富的重要經濟作物[1]。草莓生育期可以作為灌溉、施肥、環境控制等智能管理的決策依據[2]。目前，草莓生育期的識別主要依靠人工觀測，工作效率低，無法滿足實時、快速的監測需求。近年，深度學習在作物特征識別方面開始應用，由于溫室環境復雜，草莓各個生長時期之間存在密集分布、葉片遮擋、果實重疊等因素，給草莓生育期識別帶來了困難。……