基于改进YOLOv4的储粮害虫检测算法
孙妍
宋雪桦
陈静
蒋思玮
江苏大学计算机科学与通信工程学院 镇江 212013
摘要：针对储粮害虫检测中害虫目标较小,且存在重叠和遮挡现象,检测难度大的问题,提出了基于改进YOLOv4的储粮害虫检测算法.首先,该算法以多尺度检测的YOLOv4为基础算法,满足了小目标检测的要求;其次,引入K-means算法,对储粮害虫数据集聚类分析,调整先验框大小,加强对储粮害虫目标的检测能力;最后,在YOLOv4主干网络中加入空间金字塔池化结构,增加感受野,增加网络的特征提取能力.实验结果表明,在储粮害虫检测中,论文提出的算法的平均精度均值达到93.99%,与未改进的YOLOv4算法相比提高了4.49%,且检测速度达到了26.36帧/s.与YOLOv3相比,改善了储粮害虫的漏检情况.
关键词：储粮害虫YOLOv4K-means空间金字塔池化
分类号：TP301.6(计算技术、计算机技术)
资助基金：国家重点研发计划(2017YFC1600804)国家自然科学基金(61902156)江苏省自然科学基金(BK20180860)
论文发表日期：2023-06-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 1217-1222,1255 )
英文信息