| 基于卷积神经网络的草莓识别方法 |
| |
| 引用本文： | 刘小刚,范诚,李加念,高燕俐,章宇阳,杨启良.基于卷积神经网络的草莓识别方法[J].农业机械学报,2020,51(2):237-244. |
| |
| 作者姓名： | 刘小刚 范诚 李加念 高燕俐 章宇阳 杨启良 |
| |
| 作者单位： | 昆明理工大学农业与食品学院,昆明650500;昆明理工大学农业与食品学院,昆明650500;昆明理工大学农业与食品学院,昆明650500;昆明理工大学农业与食品学院,昆明650500;昆明理工大学农业与食品学院,昆明650500;昆明理工大学农业与食品学院,昆明650500 |
| |
| 基金项目： | 国家自然科学基金项目（51769010、51979133、51469010） |
| |
| 摘 要： | 针对目前草莓识别定位大多在简单环境下进行、识别效率较低的问题,提出利用改进的YOLOv3识别方法在复杂环境中对草莓进行连续识别检测。通过训练大量的草莓图像数据集,得到最优权值模型,其测试集的精度均值(MAP)达到87. 51%;成熟草莓的识别准确率为97. 14%,召回率为94. 46%;未成熟草莓的识别准确率为96. 51%,召回率为93. 61%。在模型测试阶段,针对夜晚环境下草莓图像模糊的问题,采用伽马变换得到的增强图像较原图识别正确率有显著提升。以调和平均值(F)作为综合评价指标,对比多种识别方法在不同果实数量、不同时间段及视频测试下的实际检测结果,结果表明,YOLOv3算法F值最高,每帧图像的平均检测时间为34. 99 ms,视频的平均检测速率为58. 1 f/s,模型的识别正确率及速率均优于其他算法,满足实时性要求。同时,该方法在果实遮挡、重叠、密集等复杂环境下具有良好的鲁棒性。
|
| 关 键 词： | 草莓 图像识别 目标检测 YOLO RetinaNet 深度学习 |
| 收稿时间： | 2019/6/11 0:00:00 |
Identification Method of Strawberry Based on Convolutional Neural Network |
| |
| LIU Xiaogang,FAN Cheng,LI Jianian,GAO Yanli,ZHANG Yuyang and YANG Qiliang.Identification Method of Strawberry Based on Convolutional Neural Network[J].Transactions of the Chinese Society of Agricultural Machinery,2020,51(2):237-244. |
| |
| Authors: | LIU Xiaogang FAN Cheng LI Jianian GAO Yanli ZHANG Yuyang and YANG Qiliang |
| |
| Institution: | Kunming University of Science and Technology,Kunming University of Science and Technology,Kunming University of Science and Technology,Kunming University of Science and Technology,Kunming University of Science and Technology and Kunming University of Science and Technology |
| |
| Abstract: | |
| |
| Keywords: | strawberry image recognition target detection YOLO RetinaNet deep learning |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《农业机械学报》浏览原始摘要信息 |
| 点击此处可从《农业机械学报》下载免费的PDF全文 |
|
