基于Faster-RCNN深度学习的茶叶嫩芽多维度识别及其性能分析 |
| |
引用本文: | 许宝阳高延峰.基于Faster-RCNN深度学习的茶叶嫩芽多维度识别及其性能分析[J].农业装备与车辆工程,2023(2):19-24. |
| |
作者姓名: | 许宝阳高延峰 |
| |
作者单位: | 1.上海工程技术大学上海市大型构件智能制造机器人技术协同创新中心201620; |
| |
基金项目: | 上海市自然科学基金(21010501600)。 |
| |
摘 要: | 茶叶嫩芽自动识别分类是实现采茶机器人精采名优茶的关键技术。由于茶叶嫩芽与背景中茶叶差别很小,且茶叶嫩芽形状多样,有一芽一叶和一芽二叶等多种形式,给自动识别带来很大难度。基于Faster-RCNN深度学习神经网络模型多维度进行茶叶嫩芽识别。首先对网络性能进行分析,选取较优的网络模型;在此基础上,研究一幅图像中包含嫩芽的不同数量、形态、拍摄角度、光照条件多维度对识别性能的影响。结果发现,光照条件和拍摄角度对嫩芽识别影响较大。所采用的Faster-RCNN深度学习模型对45°角度拍摄、晴天环境下单株集中一芽两叶的茶叶嫩芽识别效果最佳,同时阴天和90°拍摄时识别效果较差。研究为后续实现机器人现代化智能化的名优茶精采提供了技术支持。
|
关 键 词: | 茶叶嫩芽 深度学习 神经网络 目标识别 目标分类 |
本文献已被 维普 等数据库收录! |
|