共查询到18条相似文献，搜索用时 875 毫秒
1.
《河南农业大学学报》2021,55(2)
采用Mask R-CNN和YOLOv3算法对复杂背景场景下的柚子进行目标识别和分割,通过微调方法训练了2个实例分割模型,并应用于柚子相关目标的识别和分割。结果表明,YOLOv3模型的帧速率为18～20 FPS,Mask R-CNN模型的帧速率为0.5～2 FPS,YOLOv3模型的目标检出率比Mask R-CNN模型少30%以上,包围框定位精度比Mask R-CNN模型偏离10%以上。基于Mask R-CNN模型输出的Mask提出的外形估算方法,免标定像素尺寸,时间复杂度为T(n),便于轮廓对比。基于目标边框对柚子角度进行计算,角度动态范围为±5°。说明基于实例分割的柚子外形估算和品质评价方法,能适应复杂图像背景,具有较强的泛化能力。 相似文献
2.
目的 针对传统奶牛养殖中采用人工识别奶牛个体的方法效率低且主观性强的问题，提出一种基于改进Mask R-CNN的奶牛个体识别方法。方法 该方法对Mask R-CNN中的特征提取网络结构进行优化，采用嵌入SE block的ResNet-50网络作为Backbone，通过加权策略对图像通道进行筛选以提高特征利用率；针对实例分割时目标边缘定位不准确的问题，引入IoU boundary loss构建新的Mask损失函数，以提高边界检测的精度；对3000 张奶牛图像进行训练、验证和测试。结果 改进Mask R-CNN模型的精度均值(AP)达100%，IoUMask达91.34%；与原始Mask R-CNN模型相比，AP提高了3.28%，IoUMask提高了5.92%。结论 本文所提方法具备良好的目标检测能力，可为复杂农场环境下的奶牛个体精准识别提供参考。 相似文献
3.
为在田间复杂环境中实现对杂草和玉米植株准确实例分割和叶龄识别获取,提出一种基于改进掩码区域卷积神经网络(Mask Regions with convolutional neural network features,Mask R-CNN)的植物叶龄获取方法.具体实施为构建包含不同天气(晴天、阴天、雨后)和不同采集角度(俯视、30°斜视、45°斜视)数据集,增强数据并用作网络输入.通过更换3个特征提取网络(ResNet-50、ResNet-101、MobileNetv2)、搭建多种不同尺寸区域建议框、非极大值抑制法(Non-maximum suppression,NMS)更换为Soft-NMS算法、RoIAlign代替RoI Pooling方法提高模型精度.测试田间复杂环境下杂草和玉米图像.结果表明,以ResNet-101为特征提取网络的改进深度学习模型具有良好分割性能和鲁棒性,阴天检测精度高于晴天和雨后,30°斜视检测效果优于45°斜视和俯视.分割模型AP50为0.730,高于现有DeepMask、MNC、Mask R-CNN分割模型精度,表明该方法可提高对杂草和玉米植株的实例分割和叶龄识别精度. 相似文献
4.
为实现冬枣园机械化自动化采摘以及冬枣树精准化管理,针对自然场景下冬枣果实的快速、准确分类识别问题,提出一种基于YOLO v4模型改进的冬枣果实分类识别模型CC-YOLO v4。利用改进的CSP跨阶段部分连接结构和多尺度特征融合的CBAM卷积注意力模块,减小网络规模的同时增强特征提取能力,改善果实分类识别的误检和遮挡目标的漏检情况;采用Softmax交叉熵损失函数代替Sigmoid二元交叉熵损失函数作为分类损失函数,引入EIoU损失函数代替CIoU损失函数作为边界框回归损失,进一步改善果实分类识别的误检并提升预测框精度。试验结果表明,CC-YOLO v4模型对3类冬枣果实的查准率P均值为81.86%,平均检测精度均值mAP为82.46%,IoU均值为81.35%,模型参数量和大小分别为26.9 M和108 MB,检测速度可达28.8 F/s。与其他模型相比,本模型具有更好的分类识别能力、识别速度和较小的模型复杂度。在不同果实数量情况下进一步试验,本研究方法具有良好的精度和鲁棒性,对解决自然场景下冬枣果实的精准分类识别问题具有重要参考价值。 相似文献
5.
目的 引入区域卷积神经网络Faster R-CNN算法并对其改进，以实现在田间真实环境下背景复杂且具有相似病斑特征的玉米病害的智能诊断。方法 在玉米田间和公开数据集网站获取具有复杂背景的9种常见病害图像1 150幅，人工标注后对原始图像进行离线数据增强扩充；对Faster R-CNN算法进行适应性改进，在卷积层加入批标准化处理层，引入中心代价函数构建混合代价函数，提高相似病斑的识别精度；采用随机梯度下降算法优化训练模型，分别选取4种预训练的卷积结构作为Faster R-CNN的特征提取网络进行训练，并测试得到最优特征提取网络，利用训练好的模型选取不同天气条件下的测试集进行对比，并将改进Faster R-CNN与未改进的Faster R-CNN和SSD算法进行对比试验。结果 在改进Faster R-CNN病害识别框架中，以VGG16卷积层结构作为特征提取网络具有更出色的性能，利用测试集图像检验模型，识别结果的平均精度为 0.971 8，平均召回率为0.971 9，F1为0.971 8，总体平均准确率可达97.23%；晴天的图像识别效果优于阴天的。改进Faster R-CNN算法与未改进的Faster R-CNN算法相比，平均精度高0.088 6，单张图像检测耗时减少0.139 s；与SSD算法相比，平均精度高0.0425 ，单张图像检测耗时减少0.018 s，表明在大田环境中具有复杂背景的玉米病害智能检测领域，改进Faster R-CNN算法综合性能优于未改进的Faster R-CNN算法和SSD算法。结论 将改进后的Faster R-CNN算法引入田间复杂条件下的玉米病害智能诊断是可行的，具有较高的准确率和较快的检测速度，能够避免传统人工识别的主观性，该方法为田间玉米病害的及时精准防控提供了依据。 相似文献
6.
针对甘蔗智能切种机作业过程中背景杂乱导致茎节识别精度低等问题,提出了基于改进YOLOv5的一种甘蔗茎节识别方法。采用跨层级连接的方式优化颈部结构,增强不同层级间的信息融合能力;同时改进模型损失函数,一方面引入EIoU损失函数代替原始CIoU损失函数,提高边界框回归精度,另一方面利用Focal loss损失函数替换交叉熵损失函数,解决正负样本比例不均衡问题;最后引入Ghost模块轻量化网络模型。试验结果表明,本研究提出的模型相较于原模型,平均精度值提高了1.4个百分点,达97.80%,单张检测时间为16.9ms,模型大小仅11.40 Mb,实现了在不同杂乱程度场景下的甘蔗茎节识别,降低了切种时背景杂乱产生的影响。 相似文献
7.
为提高复杂背景下立木图像的识别准确率，提出近似联合训练的Faster R-CNN对立木图像进行目标提取并分类。首先迁移ImageNet上的模型VGG16、ResNet101和MobileNetV2提取图像特征并微调网络，然后构建新的数据集包括7科10种立木图像共2 304张，通过该数据集训练和测试3种网络模型下的Faster R-CNN。结果表明，通过近似联合训练的Faster R-CNN得到的均值平均精度分别是93.64%、92.38%、92.58%，对于不同种属的立木，VGG16网络效果最佳。由于光照会对图像识别造成影响，将光照平衡前后的结果作对比，得到光照平衡后的立木图像识别结果优于平衡前。并利用训练的模型对斜向生长的立木图片进行检测，结果显示生长方向不影响图像识别准确率。证明该方法在具有复杂背景的立木图像上具有良好的效果，对更多立木的识别有一定的参考价值。 相似文献
8.
番茄检测模型的检测速度和识别精度会直接影响到番茄采摘机器人的采摘效率,因此,为实现复杂温室环境下对番茄精准实时的检测与识别,为采摘机器人视觉系统研究提供重要的参考价值,提出一种以YOLO v5s模型为基础,使用改进的MobileNet v3结构替换主干网络,平衡模型速度和精度。同时,在颈部网络引入Ghost轻量化模块和CBAM注意力机制,在保证模型检测精度的同时提高模型的检测速度。通过扩大网络的输入尺寸,并设置不同尺度的检测网络来提高对远距离小目标番茄的识别精度。采用SIoU损失函数来提高模型训练的收敛速度。最终,改进YOLO v5s模型检测番茄的精度为94.4%、召回率为92.5%、均值平均精度为96.6%、模型大小为7.1 MB、参数量为3.69 M、浮点运算(FLOPs)为6.0 G,改进的模型很好地平衡了模型检测速度和模型识别精度,能够快速准确地检测和识别复杂温室环境下的番茄,且对远距离小目标番茄等复杂场景都能实现准确检测与识别,该轻量化模型未来能够应用到嵌入式设备,对复杂环境下的温室番茄实现实时准确的检测与识别。 相似文献
9.
为进一步提升对复杂海洋目标的检测能力,引入自适应尺度的注意力机制,提出一种适应多尺度复杂海洋目标的改进Faster R-CNN模型,该模型通过将卷积网络与SKNet网络相结合,增强模型的特征提取能力与特征有效性,并针对船舶、蚝排、红树林、海岸线4类典型海洋目标,利用91卫图助手与无人机高清影像建立了12000张样本库,分别基于改进的Faster R-CNN模型与原模型进行对比测试试验.结果表明:改进的模型虽然略微增加了计算量,但其特征提取能力与目标检测能力明显强于原模型,整体识别准确率为87.1％;在4类典型海洋目标中,船舶的识别准确率最高,可达94.4％,而红树林由于其特征比较复杂,边界不明显,其整体识别准确率为75.1％.研究表明,引入SKNet网络的Faster R-CNN网络模型,不仅增强了模型对多尺度复杂目标的特征提取能力,更适用于对复杂海洋目标的检测与识别. 相似文献
10.
基于YOLOv5改进模型的柑橘果实识别方法 总被引：2，自引：2，他引：0
为实现在自然环境下对柑橘果实的识别,提出一种基于YOLOv5改进模型的柑橘识别方法。通过引入CBAM（convolutional block attention module,卷积注意力模块）注意力机制模块来提高网络的特征提取能力,改善遮挡目标与小目标的漏检问题;采用α-IoU损失函数代替GIoU损失函数作为边界框回归损失函数,提高边界框定位精度。结果显示：本研究提出的模型平均精度AP值达到91.3%,在GPU上对单张柑橘果实图像的检测时间为16.7 ms,模型占用内存为14.5 Mb。结果表明,本研究基于YOLOv5的改进算法可实现在自然环境下快速准确地识别柑橘果实,满足实时目标检测的实际应用需求。 相似文献
11.
苹果不同树形树冠特性和果实品质的比较 总被引：5，自引：0，他引：5
为探讨渭北南部苹果产区矮化密植栽培的适宜树形,以11年生高纺锤形、自由纺锤形和开心形富士苹果树为试材,分别测定不同树形树体枝量及枝类组成、冠层特性、叶片光合特性、果实产量和品质相关指标。结果表明,高纺锤形枝类分布和组成及冠层特性指标优于自由纺锤形和开心形;高纺锤形和开心形的树冠光合优于自由纺锤形;3种树形的产量分别为56 428.6、43 523.8和28 952.4kg.hm-2。高纺锤形和开心形的品质优于自由纺锤形。综合分析表明,矮化密植栽培,高纺锤形优于开心形和自由纺锤形。 相似文献
12.
为解决烟叶智能分级识别中需对多片散放烟叶同步进行部位识别的问题,提出一种基于改进Mask R–CNN的多片烟叶的部位同步识别方法：在Mask R–CNN区域建议网络中引入K–means聚类算法,对已标注目标检测框进行聚类,实现对预设的5种尺度的锚点尺寸和3种比例的锚点长宽比的优化,使其更加符合烟叶图像数据的分布特性,达到提高生成建议框的精确性、缩短识别时间的目的。基于采集的烟叶图像数据集,验证改进Mask R–CNN方法的有效性。结果表明,当IoU为0.5时,改进MaskR–CNN单样本耗时313ms,比MaskR–CNN的326ms快,在测试集上的均值平均精度(mAP)提高了3.56%。与FasterR–CNN和SSD目标检测算法相比,在准确率和召回率上也表现出优势。 相似文献
13.
为了实现对Y-shaped果树的精准喷施,本文融合了彩色及深度视觉图像,提出了1种基于蚁群避障算法的果园最优行驶路径的规划方法。首先,对彩色图像进行图像分割处理,划分道路及果树树墙障碍区域,得出喷施设备的可行驶区域,提出了喷施行驶范围检测算法;然后,通过对深度图像和彩色图像融合的处理,将Y-shaped果树树冠边缘轮廓精准拟合形成栅格地图,并与蚁群避障算法相结合,提出了最优行驶路径规划算法。最后,对拟合曲线和Y-shaped果树树冠边缘轮廓进行检验,验证算法的拟合程度。实验结果证明,本文提出的路径规划算法可以准确地检测出果树区域,并实现对行驶路径的精准规划。 相似文献
14.
以树龄4 a玉露香梨为试材,研究倒伞形和圆柱形两种树形冠层内的光照分布及其对果实产量及品质的影响。研究表明,两种树形冠层内相对光照强度变化一致,都是从上层至下层,从外围至内膛逐渐减弱。两种树形的果形指数相近,单果质量、果肉硬度和石细胞含量也一致,都从树冠上层至下层逐渐降低,果形指数逐渐增高,可溶性固形物均表现为树冠中层>上层>下层。但圆柱形树体果实产量低于倒伞形树形,硬度和石细胞含量低于倒伞形树形;单果质量、可溶性固形物和可滴定酸都高于倒伞形树形。综和评价,圆柱形树形更适宜西北高原环境,生产实践中应结合修剪调整产量。 相似文献
15.
复杂环境下香蕉多目标特征快速识别研究 总被引：1，自引：0，他引：1
【目的】针对野外环境下断蕾机器人对多特征的变量目标快速识别难题,以及目标受到树叶、遮挡及光照影响精度的问题,提出多特征目标的快速识别方法。【方法】提出对香蕉果实、果轴和花蕾这3个目标进行多尺度特征提取及模型分类,融合聚类算法设计新的目标候选框参数,提出改进YOLOv3模型及网络结构参数的YOLO-Banana模型;为了平衡速度和准确度,用YOLO-Banana和Faster R-CNN分别对变化尺寸的香蕉多目标进行试验,研究算法对识别精度与速度的影响。【结果】YOLO-Banana和Faster R-CNN这2种算法识别香蕉、花蕾和果轴的总平均精度分别为91.03%和95.16%,平均每张图像识别所需时间分别为0.237和0.434 s。2种算法精度均高于90%,YOLO-Banana的速度相对快1.83倍,更符合实时作业的需求。【结论】野外蕉园环境下,采用YOLO-Banana模型进行香蕉多目标识别,可满足断蕾机器人视觉识别的速度及精度要求。 相似文献
16.
20世纪果树病毒检测技术的回顾与展望 总被引：6，自引：0，他引：6
简要阐述了果树病毒对果树生产的危害，详细介绍了果树病毒检测技术的原理、方法和各自特点，并对果树病毒检测技术的发展前景进行了展望。 相似文献
17.
基于分水岭算法的无人机不同飞行高度下林木冠幅提取研究 总被引：1，自引：0，他引：1
树冠是林木重要的组成部分之一,林木冠幅信息精确提取对森林资源调查和树木生长动态监测有着重要的意义。通过设置不同的无人机飞行高度,以哈尔滨市城市林业示范基地中的樟子松样地为对象,分别利用传统分水岭算法和改进分水岭算法对单木树冠和林隙进行提取,并对树冠冠幅和树冠投影面积进行估算,最后与实测数据进行对比分析。结果表明:1）基于传统分水岭算法平均单木冠幅识别率为51.11%,平均欠分割率为25.18%,平均过分割率为11.11%;树冠冠幅和树冠投影面积平均提取精度分别为69.72%和53.59%,说明传统分水岭算法对单木冠幅提取效果一般。2）改进分水岭算法平均单木冠幅识别率为80.74%,平均欠分割率为8.15%,平均过分割率为6.67%;树冠冠幅和树冠投影面积平均提取精度约分别为79.84%和76.04%,表明改进的分水岭算法对林木单木冠幅提取精度较高。3）50 m飞行高度下样地中林隙面积在0~5 m2和5~10 m2各占57.89%和31.58%;林隙形状指数分布在1.14~1.85,平均值为1.36;研究表明,利用改进分水岭算法在50 m无人机飞行高度获取的林木影像可以有效提取林木树冠和林隙面积信息,研究结果可为森林资源调查提供有效参考。 相似文献
18.
为了解决传统的水果图像识别算法在特征提取上的缺陷,以及传统卷积神经网络识别率低的问题,设计了一种基于并联卷积神经网络来提取水果特征的识别方法,利用ELU激活函数替代ReLU激活函数,利用最大类间距损失函数结合传统SoftmaxWithLoss损失函数来提高对相似品种的识别准确率。选取Fruit-360数据集中的8个品种,利用边界均衡生成对抗网络(BEGAN)结合传统的数据增强方法生成大量高质量的数据集,并用其进行训练。结果表明,该模型对8个品种的平均识别准确率达98.85%,具有良好的识别效果。 相似文献