未成熟芒果的改进YOLOv2识别方法

• 作者: 朱勋沐 杨晓帆 杨阿庆 毛亮 涂淑琴 薛月菊 陈鹏飞 黄宁
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 神经网络 特征提取 估产 芒果 密集连接 YOLOv2网络
• 年，卷（期）: 2018,（7）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 173-179
• 页数: 7页
• 分类号: TP391.4
• 字数: 6058字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.07.022

摘要

在果园场景下,由于光照的多样性、背景的复杂性及芒果与树叶颜色的高度相似性,特别是树叶和枝干对果实遮挡及果实重叠,给未成熟芒果检测带来极大的挑战.本文提出果园场景下未成熟芒果的改进YOLOv2检测方法.设计新的带密集连接的Tiny-yolo网络结构,实现网络多层特征的复用和融合,提高检测精度.为克服遮挡重叠果实检测困难,手工标注遮挡或重叠芒果的前景区域,然后用样本的前景区域训练YOLOv2网络,减小边界框内非前景区域特征的干扰,增强对目标前景区域卷积特征的学习.并以扩增的数据集,采用增大输入尺度和多尺度策略训练网络.最后,对本文方法进行性能评价与对比试验.试验结果表明,该方法在测试集上,芒果目标检测速度达83帧/s,准确率达97.02%,召回率达95.1%.对比Faster RCNN,该方法在杂物遮挡和果实重叠等复杂场景下,检测性能显著提升.