改进YOLOv7和DeepSort的视频苹果数量检测

摘要

单颗苹果树上苹果数量是准确估计苹果园产量的重要参数。由于苹果树上的苹果密度大并且相互叠加，很难对苹果进行自动准确的计数。大多数基于深度学习的方法是通过静态图像进行苹果检测和计数，如果拍摄的区域重复，则重复区域的苹果会被重复计数。为此，提出了一种基于视频的多目标跟踪的计数方法，首先，对YOLOv7模型进行改进。将注意力机制和网络的backbone相结合，额外增加一个小目标检测头并且在原边框回归损失中引入归一化的Wassestein距离(Normalized Wasserstein Distance, NWD)以提高算法对微小物体的检测能力。结果表明，改进后的YOLOv7模型mAP比原模型提高了1.61%,达到84.42%。其次，过滤掉DeepSort在跟踪目标时出现的重复目标ID。最后，结合改进后的YOLOv7检测算法和DeepSort跟踪算法，计算出视频中不同的ID个数即是苹果个数，提升了整套算法检测的准确率，准确率达到88.3%。

关键词

目标检测 / 多目标跟踪 / 损失函数 / 注意力机制 / YOLOv7 / DeepSort