基于輕量二階段檢測模型的自然環(huán)境多類蔬菜幼苗識別

孟慶寬 張 漫 葉劍華 都澤鑫 宋名果 張志鵬

(1.天津職業(yè)技術(shù)師范大學自動化與電氣工程學院， 天津 300222； 2.天津市信息傳感與智能控制重點實驗室， 天津 300222；3.中國農(nóng)業(yè)大學現(xiàn)代精細農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室， 北京 100083)

0 引言

蔬菜包含豐富的維生素、礦物質(zhì)和膳食纖維，是維持人體營養(yǎng)平衡，保持身體健康的重要食物之一[1-2]。近些年，我國蔬菜種植面積穩(wěn)定在2 000萬hm2左右，年產(chǎn)量達7億t，已經(jīng)超過糧食產(chǎn)量成為第一大農(nóng)產(chǎn)品[3]。蔬菜產(chǎn)業(yè)的迅速發(fā)展?jié)M足了人們?nèi)粘Ｉ钚枰诜N植過程中也存在施肥過量、農(nóng)藥使用超標等問題，對生態(tài)環(huán)境和人體健康產(chǎn)生不利影響。隨著電子技術(shù)和計算機技術(shù)的發(fā)展，自動化智能農(nóng)業(yè)裝備逐漸應用到農(nóng)業(yè)生產(chǎn)中，通過靶向噴藥、變量施肥、機械除草等一系列手段提高了蔬菜作物的產(chǎn)量與安全品質(zhì)[4-6]。

目前，大部分智能農(nóng)業(yè)裝備基于機器視覺獲取作物圖像，快速準確地識別作物種類并進行定位是實現(xiàn)智能農(nóng)業(yè)裝備高效精準作業(yè)的先決條件[7-8]。在作物識別定位方面，國內(nèi)外學者開展了一系列研究[9-14]。這些方法主要基于作物顏色、形狀、紋理、光譜和位置等特征中的一種或多種的組合實現(xiàn)作物識別定位，但在實際應用過程中只能針對特定環(huán)境下作物進行檢測，并且容易受到自然光照、背景噪聲和枝葉遮擋等因素影響導致識別準確率降低。

相比于常規(guī)方法，卷積神經(jīng)網(wǎng)絡(luò)在近些年得到迅速發(fā)展，其通過卷積層、池化層、全連接層對輸入圖像由淺入深地提取不同層次特征，經(jīng)過信息分類和位置回歸，實現(xiàn)對目標的準確檢測[15-19]。這些基于深度學習技術(shù)的目標檢測方法按照檢測所需要的步驟可以分為一階段目標檢測法和二階段目標檢測法。一階段檢測法以SSD和YOLO系列算法為代表，主要思想是對圖像不同位置進行均勻密集采樣產(chǎn)生不同尺度和長寬比的候選框，通過卷積神經(jīng)網(wǎng)絡(luò)提取特征后直接對候選框進行分類回歸，此類方法的特點是檢測速度快，但檢測精度有限。二階段檢測法先利用區(qū)域建議網(wǎng)絡(luò)(Region proposal network，RPN)生成一系列稀疏的預測框，然后將特征圖與預測框綜合輸入到全連接層完成分類回歸，代表算法包括Faster R-CNN與F-RCN，此類方法的特點是精度高，但消耗時間較長。

復雜農(nóng)業(yè)環(huán)境中作物識別的精準性與實時性是影響農(nóng)業(yè)智能機械高效作業(yè)的重要因素之一。本文以自然環(huán)境下多類蔬菜幼苗為研究對象，提出一種輕量化二階段目標檢測模型，以期在具有較高識別精度的基礎(chǔ)上，提高模型的推理速度。目標檢測模型的設(shè)計思路為:先采用混合深度分離卷積作為前置基礎(chǔ)網(wǎng)絡(luò)對輸入圖像進行運算，以提高圖像特征提取速度與效率；在此基礎(chǔ)上融入特征金字塔網(wǎng)絡(luò)，實現(xiàn)淺層特征與深層特征的融合，加強對多尺度目標的檢測精度；最后將檢測頭單元進行輕量化設(shè)計，減少冗余參數(shù)，降低模型計算量，并引入距離交并比(Distance-IoU, DIoU)損失作為目標邊框回歸損失函數(shù)，使位置回歸更加準確快速。

1 輕量化蔬菜幼苗檢測模型設(shè)計

二階段目標檢測模型主要由前置基礎(chǔ)卷積網(wǎng)絡(luò)、區(qū)域生成網(wǎng)絡(luò)和檢測頭單元組成。前置基礎(chǔ)網(wǎng)絡(luò)用于提取圖像不同層次特征信息；區(qū)域生成網(wǎng)絡(luò)的功能是生成候選區(qū)域，預測候選區(qū)域樣本屬性(正樣本或負樣本),對正樣本候選區(qū)域初步進行邊框回歸；檢測頭單元由感興趣區(qū)域池化層(Region of interest pooling, ROI pooling)和區(qū)域卷積神經(jīng)網(wǎng)絡(luò)子網(wǎng)(Region based convolutional neural network subnet，R-CNN subnet)構(gòu)成，主要負責預測池化后候選區(qū)域的目標類別并再次進行邊框回歸以得到預測框精確位置。二階段目標檢測模型主要計算量集中在前置基礎(chǔ)網(wǎng)絡(luò)和檢測頭單元，通過對這兩部分網(wǎng)絡(luò)單元進行輕量化設(shè)計，能夠有效降低模型參數(shù)規(guī)模和計算復雜度。

1.1 輕量化前置基礎(chǔ)網(wǎng)絡(luò)設(shè)計

輕量深度卷積神經(jīng)網(wǎng)絡(luò)采用深度可分離卷積代替標準卷積運算單元從而獲得更高的計算效率和運算速度。常規(guī)深度卷積網(wǎng)絡(luò)模型利用單一尺寸卷積核獲取圖像信息，特征像素對應的圖像分辨率固定，無法獲取不同尺度特征，導致模型在準確率和效率方面難以達到均衡。卷積運算中卷積核負責圖像局部特征提取，大尺寸卷積核包含較大的感受野，能捕獲更多的特征信息，提高模型識別準確率；小尺寸卷積核包含參數(shù)少，具有較高的計算效率，可以降低模型運算量和存儲空間。基于這個特點，將多個不同尺寸卷積核融合到一個單獨的深度可分離卷積運算中，構(gòu)成混合深度分離卷積神經(jīng)網(wǎng)絡(luò)，使計算得到的特征圖像素具有不同感受野，能對應多種圖像分辨率模式，獲得多尺度特征信息，從而有效提高特征提取精度和效率[20]。混合深度分離卷積神經(jīng)網(wǎng)絡(luò)的設(shè)計思路為：設(shè)輸入特征圖為X(h,w,c)，h表示特征圖高度，w表示寬度，c表示通道數(shù)，沿通道方向?qū)⑻卣鲌D劃分為g組子特征圖(X(h,w,c1),X(h,w,c2),…,X(h,w,cg))，cs(s=1,2,…,g)表示第s組子特征圖通道數(shù)，c1+c2+…+cg=c。建立g組不同尺寸深度卷積核(W(k1,k1,c1,m),W(k2,k2,c2,m),…,W(kg,kg,cg,m))，m表示通道乘數(shù)，kt×kt(t=1,2,…,g)表示第t組卷積核尺寸。第t組輸入子特征圖與對應深度卷積核進行運算得到第t組輸出子特征圖，具體定義為

(1)

式中x——特征圖像素行號

y——特征圖像素列號

ct——第t組輸入子特征圖通道數(shù)

zt——第t組輸出子特征圖通道數(shù)

i——卷積核元素行號

j——卷積核元素列號

根據(jù)式(1)計算結(jié)果，采用Contact運算將所有子特征圖在通道維度上以加法形式進行拼接得到最終輸出特征圖，計算公式為

(2)

其中

z=z1+z2+…+zg

式中 Contact——特征圖通道維數(shù)拼接運算函數(shù)

z——輸出特征圖通道數(shù)

Yx,y,z——拼接后輸出特征圖

輸出特征圖尺寸與輸入子特征圖相同，通道維數(shù)等于參與運算子特征圖通道維數(shù)之和。

本文混合深度分離卷積神經(jīng)網(wǎng)絡(luò)示意圖如圖1所示，特征圖最大分組數(shù)g=5，每組具有相同的通道數(shù)，對應的深度卷積核尺寸為{3×3，5×5,7×7,9×9,11×11}，特征圖分組后與不同尺寸卷積核進行運算，然后對結(jié)果進行拼接得到輸出。圖1卷積神經(jīng)網(wǎng)絡(luò)運算過程中根據(jù)特征圖尺寸劃分為5個階段(Stage)，相同尺寸特征圖屬于同一階段，相鄰階段特征圖尺寸比為2。

1.2 特征金字塔網(wǎng)絡(luò)融合設(shè)計

Faster R-CNN、R-FCN檢測模型將特征提取網(wǎng)絡(luò)最后一階段的高層次特征圖輸入到RPN網(wǎng)絡(luò)，提高了模型訓練與推理速度，不過高層特征圖分辨率低，無法有效表征不同尺度物體，尤其對小尺寸物體的檢測存在一定局限性。文獻[21]利用卷積神經(jīng)網(wǎng)絡(luò)中所包含的多尺度層級結(jié)構(gòu)設(shè)計了特征金字塔網(wǎng)絡(luò)，通過融合淺層特征圖的高分辨率特征和深層特征圖的豐富語義信息，提高了深度推理模型對多尺度目標的檢測精度。為實現(xiàn)多類別蔬菜幼苗的準確分類和精確定位，本文在混合深度分離卷積神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上融入特征金字塔網(wǎng)絡(luò)，如圖2所示。

圖2中混合深度分離卷積按照自底向上的順序依次產(chǎn)生不同階段的特征圖，階段x/y(x=1,2,…,5；y=2,4,…,32)中x表示特征圖所處的階段數(shù)，y表示本階段特征圖尺寸相對于輸入圖像縮小的倍數(shù)。階段2～5經(jīng)過1×1卷積運算后分別輸入到FPN單元，其中1×1卷積的作用是使各階段特征圖輸入到FPN的通道數(shù)保持一致。FPN單元按照自頂向下的順序?qū)斎氲母邔哟翁卣鲌D進行上采樣擴大分辨率，然后通過相加的方式與相鄰低層次特征進行融合。融合后的特征圖一方面輸入到后續(xù)網(wǎng)絡(luò)進行預測推理，另一方面繼續(xù)通過上采樣與下層特征圖進行融合。混合深度分離卷積階段2～5對應FPN的P2～P5層級，P6為階段5下采樣得到，用于RPN網(wǎng)絡(luò)中產(chǎn)生預測框，不參與融合操作。{P2，P3，P4，P5，P6}中每個層級負責單一尺度的信息處理，分別對應{162，322，642，1282，2562}5種尺度預測框，每種預測框具有{1∶1,1∶2,2∶1}3種長寬比例，共15種預測框?qū)δ繕藢ο笈c背景進行預測。

1.3 檢測頭網(wǎng)絡(luò)輕量化設(shè)計

在檢測頭部分，F(xiàn)aster R-CNN在ROI pooling之后連接2個包含大量參數(shù)的全連接層，候選區(qū)域在全連接層上的參數(shù)計算不共享，當候選區(qū)域數(shù)量較多且存在大量重疊時導致計算速度降低；R-FCN去掉了全連接層以減少冗余參數(shù)，在前置基礎(chǔ)卷積網(wǎng)絡(luò)之后生成位置敏感分數(shù)圖，候選區(qū)域基于位置敏感分數(shù)圖進行池化運算實現(xiàn)參數(shù)共享，不過位置敏感分數(shù)圖的通道數(shù)多達3 696個，計算量仍然較大。綜上所述，二階段目標檢測模型含有一個比較重的檢測頭，大量計算集中在檢測頭部分，嚴重影響了模型運行速度[22]。

為克服二階段目標檢測框架檢測頭較重的問題，本文在Faster R-CNN和R-FCN模型的基礎(chǔ)上，通過壓縮網(wǎng)絡(luò)通道維數(shù)和參數(shù)規(guī)模構(gòu)建輕量化檢測頭單元，具體設(shè)計方法為：針對混合深度分離卷積網(wǎng)絡(luò)輸出特征圖采用大尺寸非對稱卷積生成α×p×p通道的特征圖，α是與類別無關(guān)且數(shù)值較小的數(shù)，取值為10，p×p等于候選區(qū)域池化后的網(wǎng)格數(shù)量，取值為49，經(jīng)過計算得到490通道的特征圖，相比于R-FCN特征圖通道維數(shù)顯著降低；然后,引入ROI Align運算將不同尺寸候選區(qū)域所對應的特征信息池化生成固定尺寸特征圖，ROI Align運算利用雙線性差值法獲取坐標為浮點數(shù)的像素點數(shù)值，將整個特征聚集過程轉(zhuǎn)化為一個連續(xù)的操作，相比于ROI pooling 操作，消除了2次整型量化帶來的計算誤差，可以提高目標檢測精度；最后,接入1個全連接層獲得檢測目標全局特征，并基于2個并行分支完成目標分類和位置預測。本文使用的大尺寸非對稱卷積的卷積核為1×15和15×1，以降低模型參數(shù)計算量，同時大尺寸卷積核具有較大感受野，能增強模型特征提取能力。圖3為輕量化二階段目標檢測模型原理框圖。

1.4 損失函數(shù)

二階段目標檢測框架損失函數(shù)為多任務損失，由分類損失與位置回歸損失構(gòu)成。分類損失采用交叉熵函數(shù)計算預測類別與真實類別的誤差；位置回歸損失采用Smooth L1函數(shù)計算預測框與真實框之間位置坐標誤差，通過多次迭代縮小誤差范圍，使預測框與真實框具有較大程度的重疊。交并比(Intersection over union，IoU)表示預測框與真實框的交疊程度，是目標檢測領(lǐng)域衡量預測框準確度的指標，可以進行反向傳播，能夠作為目標函數(shù)進行優(yōu)化。一些檢測框架結(jié)合IoU優(yōu)化損失函數(shù)取得良好效果，但當預測框與真實框沒有交疊時，IoU為0，損失函數(shù)也為0，沒有梯度回傳，無法進行學習[23-24]。針對IoU損失函數(shù)存在的不足，文獻[25]定義了DIoU損失函數(shù)，DIoU對預測框與真實框的距離、重疊率和尺度等因素建立關(guān)聯(lián)，直接最小化二者的中心點距離，即使預測框與真實框不存在交疊，也可以為邊框提供移動方向，使位置回歸更加快速準確。DIoU損失函數(shù)定義為

(3)

(4)

式中Ldiou——DIoU損失函數(shù)

A——預測框B——真實框

d——A、B最小包圍框?qū)蔷€長度

ρ(·)——歐氏距離函數(shù)

Actr——預測框中心點坐標

Bctr——真實框中心點坐標

Iiou(A,B)——預測框與真實框交并比

本文引入DIoU作為位置回歸損失函數(shù)，構(gòu)建檢測模型損失函數(shù)。損失函數(shù)包括RPN損失函數(shù)與檢測頭損失函數(shù)兩部分，每部分又由分類損失函數(shù)與位置回歸損失函數(shù)構(gòu)成。損失函數(shù)計算公式為

Ltotal=Lrpn(pl,al)+Lhead(p,u,o,s)

(5)

其中

(6)

Lhead(p,u,o,s)=Lcls(p,u)+λ′[u≥1]Ldiou(o,s)

(7)

式中Ltotal——目標檢測模型損失函數(shù)

Lrpn——RPN網(wǎng)絡(luò)損失函數(shù)

Lhead——檢測頭網(wǎng)絡(luò)損失函數(shù)

l——錨框索引 [·]——回歸計算

pl——第l個錨框二分類預測概率

al——第l個錨框?qū)念A測框

p——預測類別概率

u——真實類別標簽值

λ、λ′——權(quán)重參數(shù)

Lcls——分類損失函數(shù)

Ncls——采樣的錨框數(shù)量

Nreg——采樣正負樣本數(shù)

o——RPN網(wǎng)絡(luò)輸出的預測框

s——與預測框?qū)恼鎸嵖?/p>

2 蔬菜幼苗檢測試驗

2.1 試驗平臺

試驗運行平臺為臺式計算機，硬件配置和軟件環(huán)境為：采用AMD Ryzen 73700CPU，主頻2.4 GHz，運行內(nèi)存16 GB，GPU型號為GeForec RTX2070，顯存為8 GB，統(tǒng)一計算設(shè)備架構(gòu)CUDA 版本為10.0，深度神經(jīng)網(wǎng)絡(luò)加速庫CUDNN版本為7.4，深度學習框架選擇TensorFlow，在Windows 10操作系統(tǒng)上基于Python語言進行編程設(shè)計。

2.2 數(shù)據(jù)采集與處理

試驗圖像采集于天津市寧河農(nóng)場，獲取時間為2020年4—6月，蔬菜幼苗包括白菜、花菜、茄子、黃瓜、辣椒、豆角，這6種蔬菜形態(tài)差異大，能夠充分反映控制模型泛化能力與通用性。為保證數(shù)據(jù)樣本的多樣性，在不同天氣條件、不同光照方向、不同土壤背景情況下進行拍攝，共獲得3 600幅圖像，圖像尺寸為480像素×720像素，存儲格式為JPG。采集的圖像通過幾何變換與顏色變換進行數(shù)據(jù)增強，以提高訓練模型的泛化性能。數(shù)據(jù)增強后的圖像共7 920幅，包含白菜圖像1 356幅、花菜圖像1 394幅、茄子圖像1 362幅、黃瓜圖像1 264幅、辣椒圖像1 232幅、豆角圖像1 312幅。按照8∶1∶1將增強數(shù)據(jù)集劃分為訓練集、驗證集和測試集，3種數(shù)據(jù)集獨立互斥，分別用于目標檢測模型的訓練、參數(shù)優(yōu)化和性能評估。

2.3 模型訓練

為提高目標檢測模型訓練速度和收斂性能，將混合深度分離卷積模型在本文硬件平臺上基于ImageNet數(shù)據(jù)集進行預訓練。首先，對ImageNet數(shù)據(jù)集進行預處理，將訓練集和驗證集數(shù)據(jù)轉(zhuǎn)換為TFRecord格式；然后，基于TFRecord數(shù)據(jù)文件開始訓練，訓練時批尺寸為64，訓練圖像1 280 000幅，圖像尺寸縮放為224像素×224像素，訓練周期為80，每個周期迭代次數(shù)為20 000，總迭代次數(shù)1 600 000，動量因子為0.9，權(quán)值衰減系數(shù)為1×10-4，初始學習率為0.01，利用分段常數(shù)對學習率進行衰減，最終學習率衰減到0.000 01；最后，經(jīng)過多次迭代訓練得到混合深度分離卷積預訓練模型。

在此基礎(chǔ)上，采用隨機梯度下降法將目標檢測模型部署在顯卡上以端對端的聯(lián)合方式進行訓練，前置特征提取網(wǎng)絡(luò)使用預訓練好的混合深度分離卷積權(quán)重初始化，其余層用均值為0、標準差為0.01的高斯分布隨機初始化。為提高模型的訓練效果，通過在線困難樣本挖掘技術(shù)(Online hard example mining，OHEM)強化對難分樣本的訓練[26]。網(wǎng)絡(luò)訓練過程中，訓練集圖像為5 544幅，批尺寸為8，訓練周期為100，1個周期迭代次數(shù)為693，動量因子為0.9，權(quán)值衰減系數(shù)為5×10-4，初始學習率為0.002，衰減率為0.9，每迭代1個周期保存一次模型，并在驗證集上測試模型的準確率。

2.4 評價指標

為客觀評價多類蔬菜幼苗識別模型的泛化能力，選擇平均精度(Average precision, AP)、平均精度均值(Mean average precision, MAP)、檢測速度、網(wǎng)絡(luò)規(guī)模作為模型性能度量指標。本文應用場景中，設(shè)蔬菜幼苗為正樣本，其他類物體和背景為負樣本，將模型正確檢測出的某類蔬菜幼苗數(shù)量和預測為此類蔬菜幼苗數(shù)量的比值定義為精確率(Precision,P)，用于衡量對正樣本的識別能力；將測試集數(shù)據(jù)中某類蔬菜幼苗被正確預測數(shù)量與此類蔬菜幼苗總數(shù)的比值定義為召回率(Recall,R)，用于衡量對正樣本的覆蓋能力；平均精度與精確率、召回率有關(guān)，為精確率-召回率曲線與坐標軸的積分，用于衡量模型的識別效果，數(shù)值越大表示對蔬菜幼苗識別效果越好。平均精度均值是多類別蔬菜幼苗識別平均精度的平均值，數(shù)值越高說明卷積神經(jīng)網(wǎng)絡(luò)的識別精確度越高。

3 試驗結(jié)果分析

3.1 訓練損失對比

利用Faster R-CNN、R-FCN、本文模型對訓練集圖像進行訓練。Faster R-CNN模型中批尺寸為1，訓練周期為100，1個周期迭代次數(shù)為5 544，初始學習率為0.000 5，衰減率為0.9，每迭代1個周期保存一次模型；R-FCN模型中批尺寸為2，訓練周期數(shù)為100，1個周期迭代次數(shù)為2 772，初始學習率為0.001，衰減率為0.9，每迭代1個周期保存一次模型，3種模型的訓練損失與周期數(shù)量關(guān)系曲線如圖4所示。

由圖4可以看出，3個模型的損失率隨著周期迭代次數(shù)的增加逐漸降低，表明預測值與標注值的偏離程度不斷縮小，經(jīng)過10個迭代周期訓練后本文模型訓練損失小于另外兩種模型，此時Faster R-CNN、R-FCN與本文模型迭代次數(shù)分別為55 440、27 720、6 930次，因此本文模型具有更快的收斂速度；此外，本文模型損失曲線收斂達到的穩(wěn)定值低于Faster R-CNN與R-FCN，表明本文模型具有更好的收斂性能。

3.2 模型有效性驗證

為驗證深度學習檢測模型設(shè)計的有效性，本文對模型進行消融試驗，首先建立基礎(chǔ)檢測模型(由混合深度分離卷積前置網(wǎng)絡(luò)、輕量檢測頭單元、ROI pooling運算，基于坐標回歸的損失函數(shù)構(gòu)成)，然后在基礎(chǔ)模型上增加FPN單元、進行ROI Align運算替換與DIoU損失替換構(gòu)成擴展模型，將測試集樣本輸入到各版本模型進行預測，IoU取值0.5，結(jié)果如表1所示。由表1可以看出，隨著功能模塊的增加與替代，檢測模型的AP和MAP逐漸提高，最終模型的MAP可以達到97.47%。

圖5為本文模型對多類蔬菜幼苗的檢測效果圖，可以看出本文模型除了對于葉片完整清晰的蔬菜幼苗能夠準確進行位置回歸與類別預測外，在作物葉片受到病蟲害腐蝕出現(xiàn)殘缺以及灌溉導致葉片附著泥土的情況下依然可以準確識別(圖5a、5e)。這是因為本文模型采用FPN網(wǎng)絡(luò)將淺層高分辨率特征與深層語義特征融合，使不同層級特征信息豐富程度增加，能夠更加有效地表達目標對象細節(jié)信息和抽象信息，即使目標對象表型發(fā)生變化或受到外界因素影響造成特征模糊，檢測模型仍然具有較高的識別精度和較強的魯棒性。此外，預測框能夠準確覆蓋蔬菜幼苗投影區(qū)域，沒有出現(xiàn)邊框過大包含較多背景或者過小導致部分目標區(qū)域沒有被包括的情況，說明引入DIoU作為位置回歸損失能夠使預測邊框具有較高的準確性。

3.3 模型性能對比測試

采用相同訓練集樣本對Faster R-CNN與R-FCN模型進行訓練，將訓練好的模型與本文模型進行性能對比，其中Faster R-CNN與R-FCN的基礎(chǔ)網(wǎng)絡(luò)采用ResNet-101。

圖6為不同網(wǎng)絡(luò)模型檢測蔬菜幼苗得到的P-R曲線。從圖6中可以看出，召回率在[0,50%]區(qū)間時,3種模型的精確率接近，維持在較高水平；召回率在[50%,100%]區(qū)間時，隨著召回率的增加3個模型精確率呈下降趨勢，在召回率相同的條件下本文模型精確率高于另外兩種模型。

表2為3種檢測模型的性能對比。在準確性方面，本文模型對蔬菜幼苗的平均精度均值比Faster R-CNN和R-FCN分別高1.19、0.83個百分點，具有較強的特征提取與精準的位置回歸能力；在實時性方面，采用每秒處理的圖像幀數(shù)作為速度衡量指標，由于本文模型對特征提取網(wǎng)絡(luò)和檢測頭進行輕量化設(shè)計，降低了網(wǎng)絡(luò)復雜度，推理速度分別為Faster R-CNN、R-FCN的10.71、4.12倍。在網(wǎng)絡(luò)規(guī)模方面，采用模型存儲空間作為衡量指標，F(xiàn)aster R-CNN為108 MB，R-FCN為96 MB，本文模型為60 MB，小于前2種模型。試驗結(jié)果表明，本文提出的輕量化二階段深度學習檢測模型，在平均精度均值、檢測速度、網(wǎng)絡(luò)存儲空間等方面相比于Faster R-CNN和R-FCN具有顯著優(yōu)勢。

表2 不同檢測模型性能對比Tab.2 Comparison of different networks performance

自然環(huán)境下，部分作物由于自身發(fā)育不均衡以及氣候條件影響造成外形尺寸偏小；此外，株間距較近的作物進入展葉期后葉片間存在一定程度遮擋，以上情況給作物識別檢測帶來困難。為判別小目標作物(面積小于32像素×32像素)和葉片交疊遮擋條件下的模型識別精度，本試驗對每種情況隨機抽取100幅圖像，分別輸入到Faster R-CNN、R-FCN和本文模型進行測試，結(jié)果如表3所示。本文模型對小目標作物和遮擋作物的平均精度均值分別為87.73%、89.36%，2種情況下平均精度均值為88.55%，3項指標均高于Faster R-CNN 、R-FCN模型。這是因為本文模型的前置基礎(chǔ)網(wǎng)絡(luò)利用不同尺寸卷積核進行運算具有較強的多尺度特征提取能力，F(xiàn)PN單元將不同尺度特征信息融合強化了目標特征表達能力，小目標或葉片遮擋作物即使在特征圖上語義信息有所損失依然可以得到有效識別。圖7為3種模型對小目標和遮擋作物的檢測效果圖，左圖為遮擋作物，右圖為小目標作物。本文模型能夠準確檢測不同環(huán)境下的作物，F(xiàn)aster R-CNN存在作物漏檢、錯檢的情況，R-FCN可以檢測出遮擋作物，但是沒有正確檢測出小目標作物。

表3 不同檢測模型對小目標與遮擋作物檢測精度對比Tab.3 Detection results of small and occluded crops with different detection models %

4 結(jié)論

(1)采用輕量混合深度分離卷積作為前置特征提取網(wǎng)絡(luò)，提高了特征信息提取效率和速度；通過壓縮檢測頭網(wǎng)絡(luò)特征通道規(guī)模與全連接層數(shù)量，降低了檢測模型計算復雜度。本文模型存儲空間為60 MB，檢測速度為19.07 f/s，明顯小于Faster R-CNN和R-FCN模型的存儲空間，檢測速度顯著提高。

(2)基于FPN單元對多尺度特征層級信息進行融合，增加不同特征層的信息豐富程度，采用ROI Align運算代替ROI pooling運算并引入DIoU損失優(yōu)化模型損失函數(shù)，實現(xiàn)目標預測框精準回歸。試驗結(jié)果表明，本文模型的MAP為97.47%，分別比Faster R-CNN和R-FCN高1.19、0.83個百分點。同時，對小目標作物和葉片遮擋作物的識別具有良好的泛化性能。