基于改进SSD轻量化神经网络的番茄疏花疏果农事识别方法

• 作者: 陈新 伍萍辉 祖绍颖 徐丹 张云鹤 董静
• 来源期刊: 中国瓜菜
• 关键词: 番茄 设施栽培 生长监测 疏花疏果 轻量化神经网络 图像识别
• 年，卷（期）: 2021,（9）
• 所属期刊栏目: 试验研究
• 页码范围: 38-44
• 页数: 7页
• 分类号: S641.2
• 语种: 中文
• DOI: 10.3969/j.issn.1673-2871.2021.09.006

摘要

设施番茄疏花疏果工作多依赖于人工,针对人工逐一判断、工作量大、移动设备实时性要求高等问题,通过卷积神经网络进行番茄部分生长参数识别,并结合农事操作经验进行应用讨论.在卷积神经网络SSD算法中引入轻量化模块MobileNetV3,提出了基于SSD-MobileNetV3模型的番茄花和果实的识别分析方法.与传统方法相比,一定程度上克服了重叠及遮挡、光照条件变化、亮度不均等干扰因素的影响.在串开花数、串结果数等生长参数识别基础上,结合疏花疏果工作进行讨论.结果表明,试验模型对于设施环境下常见干扰因素具有良好的实时性和鲁棒性,与SSD算法相比,花果平均识别率为92.57％,提高了7.9％,识别速度为0.079 s,提升了约4倍,识别率和识别速度明显提高,计算参数减少,基本满足应用要求.