基于面向通道分组卷积网络的番茄主要器官实时识别

• 作者: 周云成 苗腾 许童羽 邓寒冰
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 图像识别 算法 实时识别 番茄 卷积神经网络 面向通道分组卷积 特征提取
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 农业信息与电气技术
• 页码范围: 153-162
• 页数: 10页
• 分类号: TP183
• 字数: 8728字
• 语种: 中文
• DOI: 10.11975/j.issn.1002-6819.2018.10.019

摘要

番茄器官的实时准确识别是实现自动采摘、靶向施药等自动化生产的关键.该文提出一种基于面向通道分组卷积网络的番茄主要器官实时识别网络模型,该模型直接用特征图预测番茄器官目标边界和类型.以统计可分性、计算速度等为判据,并结合样本扩增训练,分析了该网络和几种典型网络在番茄器官图像处理上的性能,以此筛选出识别网络的基础结构,在基础结构后面分别附加带dropout层的面向通道分组卷积模块和全卷积层作为识别网络的总体架构.试验结果表明:用面向通道分组卷积网络作为识别网络的基础结构,可在显著提高网络召回率、识别速度和精度的前提下,大幅降低模型的大小,该结构网络对花、果、茎识别的平均精度分别为96.52%、97.85%和82.62%,召回率分别为77.39%、69.33%和64.23%,识别速度为62帧/s;与YOLOv2相比,该文识别网络召回率提高了14.03个百分点,精度提高了2.51个百分点.

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	邓寒冰	沈阳农业大学信息与电气工程学院	13	84	4.0	9.0
4	苗腾	沈阳农业大学信息与电气工程学院	15	26	3.0	5.0