农业机械学报

作者：顾文娟，魏金，阴艳超，刘孝保，丁灿

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,

关键词：番茄;语义分割;DeepLabv3+;GhostNet;CA注意力模块

基金：国家自然科学基金项目（52065033）和云南省科技厅重大专项（2022AG050002-4）

番茄图像中多类别目标的准确识别是实现自动化采摘的技术前提，针对现有网络分割精度低、模型参数多的问题，提出一种基于改进DeepLabv3+的番茄图像多类别分割方法。该方法使用幻象网络(GhostNet)和坐标注意力模块(Coordinate attention，CA)构建CA-GhostNet作为DeepLabv3+的主干特征提取网络，减少网络的参数量并提高模型的分割精度，并设计了一种多分支解码结构，用于提高模型对小目标类别的分割能力。在此基础上，基于单、双目小样本数据集使用合成数据集的权值参数进行迁移训练，对果实、主干、侧枝、吊线等8个语义类别进行分割。结果表明，改进的DeepLabv3+模型在单目数据集上的平均交并比（MIoU）和平均像素准确率（MPA）分别为68.64%、78.59%，在双目数据集上的MIoU和MPA分别达到73.00%、80.59%。此外，所提模型内存占用量仅为18.5MB，单幅图像推理时间为55ms，与基线模型相比，在单、双目数据集上的MIoU分别提升6.40、6.98个百分点，与HRNet、UNet、PSPNet相比，内存占用量压缩82%、79%、88%。该研究可为番茄采摘机器人的智能采摘和安全作业提供参考。

来源：2023年第12期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2023年第12期