关键词：YOLOv4网络;秸秆颗粒机械;混合注意力模块;堵塞故障;小目标检测
摘 要：针对传统玉米秸秆颗粒机械堵塞故障检测精度低，检测效率不高的问题，提出了一种基于改进YOLOv4网络的堵塞故障检测方法。首先，以YOLOv4网络作为基础目标检测算法，基于YOLOv4网络引入混合注意力模块(Mixed Attention Module, MA),得到YOLOv4-MA网络，以增强小目标通道和空间特征权重；然后将YOLOv4网络的损失函数替换为Focal-EIOU函数，以提升目标检测精度；最后将改进YOLOv4网络应用到玉米秸秆颗粒机械堵塞检测系统中。结果表明，该算法对不同秸秆颗粒检测的MAP值为98.51%,相较于传统SSD算法和Faster-RCNN算法分别高出了16.33%和20.05%,且该算法对秸秆颗粒目标的检测时间仅为0.024 s,均低于另外两种模型。由此说明，该算法能够提升秸秆颗粒小目标检测精度，提高秸秆颗粒机械堵塞故障检测效果，满足系统检测需求，具备实用性和有效性。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取