基于DA2-YOLOv4算法綠籬識別研究*

韋錦，李正強，許恩永，蒙艷玫，韋和鈞，武豪

(1. 廣西大學機械工程學院，南寧市，530004； 2. 東風柳州汽車有限公司，廣西柳州，545005)

0 引言

隨著人們經濟水平的提高和環保意識的增強，城市綠化進入了快速發展階段，具有成型刀具的車載式綠籬修剪機越來越被廣泛用于高速公路隔離帶、城市道路綠化帶、園林觀賞綠籬等綠化景觀的修剪，只需將成型刀具移至柱形或球形綠籬上方的水平截面中心將旋轉關節旋轉一周即可完成修剪。然而，通過人工操作進行修剪不僅需要操作員具有嫻熟的技術，還容易導致疲勞，出現誤操作，所以一直無法得到普及，通過經濟的視覺傳感器來實現修剪自動化成為解決該問題的最佳方案。

想要實現修剪自動化，首先必須進行綠籬識別，因此研究能準確、快速地識別綠籬的算法是實現綠籬修剪自動化的基礎。近年來基于深度學習的目標檢測算法已經全面超過傳統目標檢測算法，主流的目標檢測算法目前主要分為雙階段和單階段兩大類，其中雙階段目標檢測算法主要有：RCNN[1]、SPPNet[2]、Fast RCNN[3]、Faster RCNN[4]、FPN[5]等，單階段目標檢測算法主要有：YOLO(You Only Look Once)[6]系列、SSD(Single Shot MultiBox Detector)[7]系列、RetinaNet[8]。雙階段目標檢測算法雖然精度較高，但是很難滿足實時性要求，相比之下，單階段目標檢測具有速度快、結構簡單的優點，而且其精度已經十分接近雙階段算法，其中YOLOv4[9]更是被廣泛研究甚至已經成功應用于實際。

文獻[10]提出一種改進YOLOv4的交通標志識別算法，通過深度可分離卷積、雙向特征金字塔、Focal Loss函數成功減少了參數量和模型大小，提升了檢測速度和精度。……