基于卷积神经网络的草莓识别方法

• 作者: 刘小刚 李加念 杨启良 章宇阳 范诚 高燕俐
• 来源期刊: 农业机械学报
• 学科: 工学
• 关键词: 草莓 图像识别 目标检测 YOLO RetinaNet 深度学习
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 农业信息化工程
• 页码范围: 237-244
• 页数: 8页
• 分类号: TP391.41
• 字数: 4771字
• 语种: 中文
• DOI: 10.6041/j.issn.1000-1298.2020.02.026

摘要

针对目前草莓识别定位大多在简单环境下进行、识别效率较低的问题,提出利用改进的YOLOv3识别方法在复杂环境中对草莓进行连续识别检测.通过训练大量的草莓图像数据集,得到最优权值模型,其测试集的精度均值(MAP)达到87.51％;成熟草莓的识别准确率为97.14％,召回率为94.46％;未成熟草莓的识别准确率为96.51％,召回率为93.61％.在模型测试阶段,针对夜晚环境下草莓图像模糊的问题,采用伽马变换得到的增强图像较原图识别正确率有显著提升.以调和平均值(F)作为综合评价指标,对比多种识别方法在不同果实数量、不同时间段及视频测试下的实际检测结果,结果表明,YOLOv3算法F值最高,每帧图像的平均检测时间为34.99 ms,视频的平均检测速率为58.1 f/s,模型的识别正确率及速率均优于其他算法,满足实时性要求.同时,该方法在果实遮挡、重叠、密集等复杂环境下具有良好的鲁棒性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨启良	昆明理工大学农业与食品学院	90	545	11.0	19.0
2	刘小刚	昆明理工大学农业与食品学院	68	482	11.0	18.0
3	李加念	昆明理工大学农业与食品学院	21	135	6.0	11.0
4	范诚	昆明理工大学农业与食品学院	2	2	1.0	1.0
5	高燕俐	昆明理工大学农业与食品学院	2	2	1.0	1.0
6	章宇阳	昆明理工大学农业与食品学院	2	2	1.0	1.0