DSE-YOLO: Detail semantics enhancement YOLO for multi-stage strawberry detection

计算机科学 光学(聚焦) 人工智能 语义学(计算机科学) 点式的 卷积(计算机科学) 模式识别(心理学) 计算机视觉 数学 程序设计语言 数学分析 物理 光学 人工神经网络
作者
Yan Wang,Gang Yan,Qinglu Meng,Ting Yao,Jianfeng Han,Zhang Bo
出处
期刊:Computers and Electronics in Agriculture [Elsevier]
卷期号:198: 107057-107057 被引量:49
标识
DOI:10.1016/j.compag.2022.107057
摘要

Multi-stage strawberry fruits detection is one of the important clues to estimate crop yields and assist robotic picking in modern agricultural production. However, it is difficult for detecting strawberries due to their small size, foreground-foreground class imbalance, and complex natural environment. Many works focus on how to detect fruits while ignoring multi-stage fruit detecting problems. In this paper, we propose DSE-YOLO (Detail-Semantics Enhancement You Only Look Once) to detect multi-stage strawberries. In DSE-YOLO, DSE (Detail-Semantics Enhancement) module is designed for detecting small fruits and distinguishing different stages of the fruit with higher accuracy, which utilize pointwise convolution and dilated convolution to extract various detail and semantics features in the horizontal and vertical dimensions. Exponentially Enhanced Binary Cross Entropy (EBCE) and Double Enhanced Mean Square Error (DEMSE) loss function are constructed to focus on small fruits, which can deal with foreground-foreground class imbalance problem. Experiments conducted on datasets demonstrate the superiority of DSE-YOLO over state-of-the-arts. The detection results had a mAP value of 86.58% and an F1-Score value of 81.59%, which demonstrates the effectiveness of the proposed model. Especially, DSE-YOLO can almost detect every stage of strawberry fruit accurately in the natural scene, which can provide an important theoretical basis and premise for automatic picking and monitoring system.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
Singularity应助11采纳,获得10
1秒前
鳗鱼又槐发布了新的文献求助10
5秒前
ZHEN发布了新的文献求助10
5秒前
schuang完成签到,获得积分10
8秒前
9秒前
9秒前
脑洞疼应助ZHEN采纳,获得10
12秒前
12秒前
上官若男应助弄香采纳,获得10
13秒前
14秒前
杏林靴子发布了新的文献求助10
17秒前
追寻星月发布了新的文献求助10
18秒前
18秒前
坚定的馒头完成签到 ,获得积分20
19秒前
常尽欢完成签到,获得积分10
21秒前
搞怪的火龙果完成签到,获得积分10
21秒前
22秒前
星辰大海应助李振华采纳,获得10
22秒前
无奈蛋挞完成签到,获得积分10
23秒前
23秒前
无足鸟完成签到 ,获得积分10
23秒前
紫熊发布了新的文献求助10
24秒前
24秒前
xinglin完成签到,获得积分10
24秒前
CodeCraft应助投机倒把采纳,获得10
24秒前
张堡发布了新的文献求助10
24秒前
zhzhzh发布了新的文献求助10
26秒前
27秒前
28秒前
情怀应助合适依秋采纳,获得10
28秒前
30秒前
个性的紫菜应助Jiang湫采纳,获得10
30秒前
迷路幻柏完成签到 ,获得积分10
32秒前
FOREST发布了新的文献求助10
33秒前
77发布了新的文献求助10
33秒前
Oatmeal5888完成签到,获得积分10
33秒前
隐形曼青应助灵魂风暴采纳,获得10
34秒前
韧迹发布了新的文献求助10
35秒前
36秒前
杨大泡泡完成签到 ,获得积分10
39秒前
高分求助中
The Oxford Handbook of Social Cognition (Second Edition, 2024) 1050
Kinetics of the Esterification Between 2-[(4-hydroxybutoxy)carbonyl] Benzoic Acid with 1,4-Butanediol: Tetrabutyl Orthotitanate as Catalyst 1000
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Chen Hansheng: China’s Last Romantic Revolutionary 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3141042
求助须知:如何正确求助?哪些是违规求助? 2791997
关于积分的说明 7801347
捐赠科研通 2448241
什么是DOI,文献DOI怎么找? 1302480
科研通“疑难数据库(出版商)”最低求助积分说明 626591
版权声明 601226