摘要:目的:为准确、快速地识别田间绿色柑橘,提出一种基于Tiny-YOLOv3网络的目标检测方法。方法:采用卷积层替换Tiny的池化层以减少目标信息丢失,借鉴DenseNet网络,在Tiny网络中嵌入2个多层密集块,提出Tiny-Dense-YOLOv3网络。结果:在2个数据集上试验以验证改进模型的有效性,在果园柑橘数据集中,Tiny-Dense-YOLOv3的准确率、召回率和F 1值分别为88.98%、95.29%和92.03%,相比于Tiny-YOLOv3模型分别提高3.55%、4.81%和4.15%;在MSCOCO集的柑橘数据集中,Tiny-Dense-YOLOv3的F 1值为52.83%,相比于Tiny-YOLOv3模型,F 1值提高了6.33%。Tiny、Darknet53和Tiny-Dense等网络输出特征图的可视化结果表明,不同网络均能提取果实目标特征,其中Tiny网络未能有效抑制树叶、枝干等背景特征的干扰。结论:Tiny-Dense-YOLOv3轻量化卷积网络可实现对田间绿色柑橘的高精度实时检测。