声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：11-1964/S
国际刊号：1000-1298
发布日期:
作者：刘小刚,范诚,李加念,高燕俐,章宇阳,杨启良
单位：昆明理工大学,昆明理工大学,昆明理工大学,昆明理工大学,昆明理工大学,昆明理工大学,
关键词：草莓; 图像识别; 目标检测; YOLO; RetinaNet; 深度学习
基金：国家自然科学基金项目（51769010、51979133、51469010）
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。
来源：2020年第2期
《农业机械学报》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。