简介:摘要 : 为提高现有苹果目标检测模型在硬件资源受限制条件下的性能和适应性,实现在保持较高检测精度的同时,减轻模型计算量,降低检测耗时,减少模型计算和存储资源占用的目的,本研究通过改进轻量级的 MobileNetV3网络,结合关键点预测的目标检测网络( CenterNet),构建了用于苹果检测的轻量级无锚点深度学习网络模型( M-CenterNet),并通过与 CenterNet和单次多重检测器( Single Shot Multibox Detector, SSD)网络比较了模型的检测精度、模型容量和运行速度等方面的综合性能。对模型的测试结果表明,本研究模型的平均精度、误检率和漏检率分别为 88.9%、 10.9%和 5.8%;模型体积和帧率分别为 14.2MB和 8.1fps;在不同光照方向、不同远近距离、不同受遮挡程度和不同果实数量等条件下有较好的果实检测效果和适应能力。在检测精度相当的情况下,所提网络模型体积仅为 CenterNet网络的 1/4;相比于 SSD网络,所提网络模型的 AP提升了 3.9%,模型体积降低了 84.3%;本网络模型在 CPU环境中的运行速度比 CenterNet和 SSD网络提高了近 1倍。研究结果可为非结构环境下果园作业平台的轻量化果实目标检测模型研究提供新的思路。
简介:建立了柑橘中虱螨脲、灭幼脲、氟啶脲和除虫脲4种苯甲酰脲类农药同时检测的超高效液相色谱-三重四级杆串联质谱(UPLC-MS/MS)分析方法。样品采用QuEChERS前处理技术,超高效液相色谱-串联质谱电喷雾负离子模式检测测定。结果表明:在0.01~0.2μg/mL范围内,4种供试农药的质量浓度与其相应的峰面积间呈良好的线性关系,相关系数(r)均大于0.994。在0.01、0.05和0.1mg/kg3个添加水平下,4种农药的平均回收率为92%~105%,相对标准偏差(RSD)为0.4%~3.3%(n=5)。4种农药在柑橘中的定量限(LOQ)均为0.01mg/kg。该方法准确、灵敏、简单,适用于同时测定柑橘中4种苯甲酰脲类农药的残留量。