基于深度学习芒果图像在线识别与计数方法研究

为实现果树产量的智能评估,本研究对自然环境下的圣心芒果树图像进行果实识别研究,提出基于深度学习算法的芒果图像在线识别计数方法。首先,采用Faster R-CNN深度学习模型构建芒果图像识别算法;接着基于微信小程序与网页平台开发芒果图像上传模块,实现随时随地上传芒果图像至服务器;然后采用基于TCP协议的服务器客户端通信模式,并结合基于MATLAB平台的Faster R-CNN程序集,构建上传图像的在线分析模块,实现线上芒果图像的实时识别与计数;最终,芒果图像的识别与计数结果通过微信小程序和Web页面程序反馈给用户,内容包括单张图片和1个果园区域内所有图片的识别与计数结果,并实现青色芒果和红色芒果的分类统计。应用本研究构建的在线深度学习识别计数方法,在自然环境下采集125幅芒果图像进行测试试验。结果表明：芒果图像识别算法的计数识别准确率达到82.3%,其中漏检率与误检率分别为11.7%和8.6%,平均计数误差与计数误差率分别为4.2和7.9%;芒果图像在线识别计数方法能有效实现果树图像的采集、上传、识别与计数、分类统计和结果反馈,对整个果园区域内结果数量进行统计与分析,为果园的智慧管理提供科学决策依据。