摘要
本发明公开了一种基于多尺度特征融合的不规则状青椒果实识别方法,包括以下步骤:S1、采集不规则状青椒果实原始图像数据集,并标注锚框,采用多尺度Retinex算法对标注数据集进行数据增强,按照8:1:1的比例将增强后的数据集随机划分为训练集、验证集和测试集;S2、改进YOLOv5算法,构建出不规则状青椒果实检测模型FASK;S3、将待检测的图像数据输入FASK中,以获得具有多尺度变化特征的特征层;S4、将具有多尺度变化特征的特征层输入SK‑Neck,提取出图像特征图;S5、根据图像特征图获得最终检测图像。本发明可使网络自适应感受野并提取不规则状特征,通过特征图对齐方法和像素级加权融合操作进行多尺度特征融合,增强模型对不规则状青椒果实检测的鲁棒性。
技术关键词
多尺度特征融合
果实识别方法
多尺度Retinex算法
原始图像数据
多尺度特征提取
注意力
坐标
对齐方法
特征提取模块
双线性插值方法
网络架构
双线性插值法
像素点
全局平均池化
高斯滤波器
系统为您推荐了相关专利信息
故障诊断模型
镗床
多尺度特征提取
数字孪生模型
诊断方法
超声心动图
分割方法
掩膜
多尺度特征融合
注意力机制
山茶花
液相
芯片
主成分聚类分析
全基因组关联分析
三维模型
体验方法
手术场景
深度卷积神经网络
网格模型
深度学习模型
谱峰位置
门模块
核磁共振氢谱
卷积模块