复杂场景下ResNet34优化算法在苹果检测中的应用研究OA

为提高复杂环境下的苹果果实检测准确率、降低漏检率,对ResNet34模型进行结构优化和改进。在该模型的不同特征提取层引入SE注意力机制,使算法重点关注苹果果实的位置,有效应对复杂背景的干扰。针对苹果果实距离远、目标小、叶片遮挡严重等问题,采用Res2Net网络模块,该模块具备多尺度信息提取能力,能兼顾图像中不同大小的目标。此外,采用双检测头策略改进模型,进一步提升模型对小目标检测的综合性能。结果表明,改进后的模型在测试集上的检测精确率为83.1%、F1分数为77.3%、平均精度均值mAP为82.3%,相比于原ResNet34模型分别提升3.7%、2.2%和4%。