基于深度卷积神经网络的番茄主要器官分类识别方法

• 作者: 周云成 许童羽 邓寒冰 郑伟
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 目标识别 图像处理 像素 番茄器官 深度卷积神经网络 数据增广 深度学习
• 年，卷（期）: 2017,（15）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 219-226
• 页数: 8页
• 分类号: TP183
• 字数: 7997字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2017.15.028

摘要

为实现番茄不同器官的快速、准确检测,提出一种基于深度卷积神经网络的番茄主要器官分类识别方法.在VGGNet基础上,通过结构优化调整,构建了10种番茄器官分类网络模型,在番茄器官图像数据集上,应用多种数据增广技术对网络进行训练,测试结果表明各网络的分类错误率均低于6.392%.综合考虑分类性能和速度,优选出一种8层网络用于番茄主要器官特征提取与表达.用筛选出的8层网络作为基本结构,设计了一种番茄主要器官检测器,结合Selective Search算法生成番茄器官候选检测区域.通过对番茄植株图像进行检测识别,试验结果表明,该检测器对果、花、茎的检测平均精度分别为81.64%、84.48%和53.94%,能够同时对不同成熟度的果和不同花龄的花进行有效识别,且在检测速度和精度上优于R-CNN和Fast R-CNN.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周云成	沈阳农业大学信息与电气工程学院	36	324	10.0	17.0
2	许童羽	沈阳农业大学信息与电气工程学院	118	718	16.0	21.0
3	郑伟	沈阳农业大学信息与电气工程学院	19	112	3.0	10.0
4	邓寒冰	沈阳农业大学信息与电气工程学院	13	84	4.0	9.0