基于多路神经网络的黄花菜关节点检测算法研究

传统的目标检测算法仅能得到目标框,无法确定黄花菜的生长姿态。针对这一问题,在现有目标检测算法的基础上优化神经网络(Neural Network)结构,由检测框预测改为关节点的预测。首先,按照锚点匹配的方式确定黄花菜的生长方向及长度,统计黄花菜目标生长角度和长度,按照统计结果设置多个锚点,实际生长角度和长度与锚点进行比较,获得目标的相对长度和角度,并将其作为模型预测值进行训练;其次,在模型中加入热力图预测分支,对4个关节点进行预测;最后,利用目标长度和角度信息连接关节点得到黄花菜目标的生长姿态。设计针对线段拟合特点的评估模型方法,在计算精度的过程中引入部分亲和度字段。并据此改进非极大值抑制算法(Non Maximum Suppression)。试验结果表明：采用热力图校准后的模型对采摘目标识别精度达91.02%,定位精度达99.8%。