公开(公告)号：CN115050021B

公开(公告)日：2024-05-14

申请号：CN202210481476.6

申请日：2022-05-05

Applicant: 江苏大学

Inventor： 程广贵 ,  郑诗武 ,  郭灿志 ,  丁建宁 ,  张忠强

IPC: G06V20/68 ,  G06V20/10 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06V10/762 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0985

Abstract: 本发明涉及图像处理技术领域，具体涉及基于改进YOLOv4的非结构环境下葡萄识别方法。该方法在主干网络的残差体模块中融入SimAM注意力机制，增加特征融合网络连接路径并为融合的特征图分配简单权重。通过对重要特征的高效提取及融合，抑制无用特征，实现在复杂工作条件下对葡萄的实时检测。此外为了提高改进YOLOv4的训练效率，本发明使用Focal loss优化BCE loss，并根据模型结构及训练对象调整超参数，使得预测效果最佳。

公开(公告)号：CN115050021A

公开(公告)日：2022-09-13

申请号：CN202210481476.6

申请日：2022-05-05

Applicant: 江苏大学

Inventor： 程广贵 ,  郑诗武 ,  郭灿志 ,  丁建宁 ,  张忠强

IPC: G06V20/68 ,  G06V20/10 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06V10/40 ,  G06V10/762 ,  G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明涉及图像处理技术领域，具体涉及基于改进YOLOv4的非结构环境下葡萄识别方法。该方法在主干网络的残差体模块中融入SimAM注意力机制，增加特征融合网络连接路径并为融合的特征图分配简单权重。通过对重要特征的高效提取及融合，抑制无用特征，实现在复杂工作条件下对葡萄的实时检测。此外为了提高改进YOLOv4的训练效率，本发明使用Focal loss优化BCE loss，并根据模型结构及训练对象调整超参数，使得预测效果最佳。