论文摘要
疏果前期苹果背景复杂、光照条件变化、重叠及被遮挡,特别是果实与背景叶片颜色极为相近等因素,给其目标识别带来很大困难。为识别疏果前期的苹果目标,提出基于区域的全卷积网络（region-based fully convolutional network,R-FCN）的苹果目标识别方法。该方法在研究基于ResNet-50和ResNet-101的R-FCN结构及识别结果的基础上,改进设计了基于ResNet-44的R-FCN,以提高识别精度并简化网络。该网络主要由ResNet-44全卷积网络、区域生成网络（RegionProposal Network, RPN）及感兴趣区域（Region of Interest, RoI）子网构成。ResNet-44全卷积网络为基础网络,用以提取图像的特征,RPN根据提取的特征生成Ro I,然后Ro I子网根据ResNet-44提取的特征及RPN输出的Ro I进行苹果目标的识别与定位。对采集的图像扩容后,随机选取23 591幅图像作为训练集,4 739幅图像作为验证集,对网络进行训练及参数优化。该文提出的改进模型在332幅图像组成的测试集上的试验结果表明,该方法可有效地识别出重叠、被枝叶遮挡、模糊及表面有阴影的苹果目标,识别的召回率为85.7%,识别的准确率为95.1%,误识率为4.9%,平均速度为0.187 s/幅。通过与其他3种方法进行对比试验,该文方法比FasterR-CNN、基于ResNet-50和ResNet-101的R-FCN的F1值分别提高16.4、0.7和0.7个百分点,识别速度比基于ResNet-50和ResNet-101的R-FCN分别提高了0.010和0.041 s。该方法可实现传统方法难以实现的疏果前苹果目标的识别,也可广泛应用于其他与背景颜色相近的小目标识别中。
论文目录
文章来源
类型: 期刊论文
作者: 王丹丹,何东健
关键词: 图像处理,算法,图像识别,小苹果,目标识别,深度学习
来源: 农业工程学报 2019年03期
年度: 2019
分类: 农业科技,信息科技
专业: 自动化技术
单位: 西北农林科技大学机械与电子工程学院,农业农村部农业物联网重点实验室,陕西省农业信息感知与智能服务重点实验室
基金: 国家高技术研究发展计划(863计划)资助项目(2013AA100304)
分类号: TP242;TP183
页码: 156-163
总页数: 8
文件大小: 1431K
下载量: 745