Resumen

Lograr una detección rápida y precisa de las piñas en el entorno natural es esencial para la estimación del rendimiento y la recogida automática. Sin embargo, el fondo complejo y el objetivo diminuto suponen un reto importante para la detección de piñas. Este artículo propone un método de detección de piñas utilizando el algoritmo mejorado You Only Look Once (YOLO) versión 4 para superar estos retos. En primer lugar, los datos originales de las imágenes de las piñas proceden de un bosque natural de pinos. Se utiliza la tecnología de rastreo para recopilar más imágenes de piñas de Internet para ampliar el conjunto de datos. En segundo lugar, se introduce en YOLOv4 la estructura de red de convolución densamente conectada (DenseNet) para mejorar la reutilización de características y el rendimiento de la red. Además, la red troncal se poda para reducir la complejidad computacional y mantener la dimensión de salida sin cambios. Por último, para el problema de la fusión de características a diferentes escalas, se diseña una red de cuello mejorada que utiliza la convolución piramidal de ecualización de escala (SEPC). Los resultados experimentales muestran que el modelo YOLOv4 mejorado es mejor que la red YOLOv4 original; los valores medios de precisión, recuerdo y AP alcanzan el 96,1%, el 90,1% y el 95,8%; la cantidad de cálculo del modelo se reduce en un 21,2%; la velocidad de detección es lo suficientemente rápida como para cumplir los requisitos de tiempo real. Esta investigación podría servir de referencia técnica para la estimación de rendimientos y la automatización de la recogida de piñas.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:detección de piñas, imagen de piñas, red de cuello mejorada, red yolov4 original, recogida de pinos, valor de la precisión, problema de las características, modelo yolov4 mejorado, detección de pinos, bosque natural de pinos
• Keywords:pine cone detection, pine cone image, improved neck network, original yolov4 network, picking of pine, value of precision, problem of features, improved yolov4 model, detection of pine, natural pine forest