来源：期刊VIP网 时间：
作者：陈学深;梁俊;汤存耀;张恩造;陈彦学;党佩娜;齐龙;
单位：华南农业大学工程学院;
摘要：为实现水田复杂环境的稻株精准识别，提出了一种基于改进YOLOv7模型的稻株识别方法。采用离线和在线双重数据增强，提高模型训练效果、增强泛化能力并缓解过拟合现象。YOLOv7模型中主干特征提取网络替换为GhostNet网络，增强模型自适应特征提取能力和简化模型参数计算量。YOLOv7主干特征提取网络中引入轻量级注意力机制，增强主干特征提取网络的特征提取能力。YOLOv7模型中CIoU损失函数替换为EIoU损失函数，提高模型预测框的回归效果。模型对比表明，改进YOLOv7模型的稻株识别平均精度均值为89.3%,相比YOLOv7、YOLOv5s、YOLOXs、MobilenetV3-YOLOv7模型，分别提高了4.1、7.6、6.5、0.7个百分点。田间试验表明，晴天、阴天、藻萍、杂草环境背景下平均精度均值分别为91.2%、89.1%、87.5%、88.4%。研究结果可为水田复杂环境的稻株精准识别提供切实方法。
关键词：机器视觉;;识别;;深度学习;;YOLOv7;;GhostNet;;水稻
基金资助：广东省自然基金项目(2021A1515010831);; 广州市科技计划项目(202206010125);; 广东省杰出青年基金项目(2019B151502056);; 国家自然科学基金项目(51575195)
