来源：期刊VIP网 时间：
作者：王聪;文晟;兰玉彬;严倩;姜永华;张建桃;罗菊川;
单位：华南农业大学工程学院;国家精准农业航空施药技术国际联合研究中心;华南农业大学电子工程学院/人工智能学院;广东省农业科学院果树研究所;华南农业大学数学与信息学院;
摘要：针对荔枝果实个体小、生长密集和遮挡严重等特点，为了快速准确地实现荔枝的检测和计数，提出了一种融合注意力机制和多尺度特征图的网络模型。为了提高模型对遮挡和阴影环境下果实的识别准确率，将Coordinate Attention(CA)注意力机制嵌入至YOLOv4-Tiny模型。为了提高模型对小目标果实的检测精度，在特征金字塔Feature Pyramid Networks(FPN)结构中生成了两个更大尺度的特征图。试验结果表明：融合注意力机制的荔枝轻量化检测模型的准确率(Precision)、召回率(Recall)和平均精度(mAP)分别为92.92%、76.09%和88.51%。与YOLOv4-Tiny和YOLOv3模型相比，所构建的融合注意力机制的荔枝轻量化检测模型的平均检测精度分别高出8.84个百分点和3.87个百分点。该模型能够快速、精准地检测出果园环境中的荔枝，适用于果园中荔枝的识别和计数。
关键词：荔枝;;注意力机制;;特征金字塔;;轻量化;;检测方法
基金资助：国家自然科学基金面上项目(32271985);; 广东省自然科学基金面上项目(2022A1515011008)
