农业机械学报

作者：席芮,姜凯,张万枝,吕钊钦,侯加林

单位：山东农业大学;山东省农业装备智能化工程实验室,昆士兰大学,山东农业大学;山东省农业装备智能化工程实验室,山东农业大学;山东省农业装备智能化工程实验室,山东农业大学;山东省农业装备智能化工程实验室,

关键词：马铃薯芽眼; 自动切块; Faster R-CNN; 非极大值抑制; 高斯降权; 在线难例挖掘

基金：国家重点研发计划项目（2017YFD0700705）和山东省自然科学基金项目（ZR2019BC018）

为提高对马铃薯芽眼的识别效果，提出一种基于改进Faster R-CNN的马铃薯芽眼识别方法。对Faster R-CNN中的非极大值抑制(Non?maximum suppression, NMS)算法进行优化，对与M交并比(Intersection over union, IOU) 大于等于Nt的相邻检测框，利用高斯降权函数对其置信度进行衰减，通过判别参数对衰减后的置信度作进一步判断；在训练过程中加入采用优化NMS算法的在线难例挖掘 (Online hard example mining, OHEM) 技术，对马铃薯芽眼进行识别试验。试验结果表明：改进的模型识别精度为96.32%，召回率为90.85%，F1?为93.51%，平均单幅图像的识别时间为0.183s。与原始的Faster R-CNN模型相比，改进的模型在不增加运行时间的前提下，精度、召回率、F1分别提升了4.65、6.76、5.79个百分点。改进Faster R-CNN模型能够实现马铃薯芽眼的有效识别，满足实时处理的要求，可为种薯自动切块中的芽眼识别提供参考。

来源：2020年第4期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2020年第4期