基于多分辨率特征融合的葡萄尺寸检测

摘要：

针对葡萄特征提取不够充分且果粒排列密集相互遮挡难以准确检测的问题,以陕西省鄠邑区户太8号葡萄为研究对象,提出一种基于特征金字塔网络(FPN)特征融合的Faster R-CNN卷积神经网络模型完成复杂背景情况下葡萄果粒的检测与识别.以ResNet50为主干网络,引入金字塔结构,增强网络模型对葡萄果粒不同分辨率特征的提取能力,同时加入GA-RPN网络生成自适应锚框,引入遮挡补偿机制,以解决密集葡萄果粒存在的遮挡问题.模型验证结果表明,本研究提出的模型精度均值(AP)在候选框与原标记框的重叠率(IOU)阈值为50时可达95.9％,对葡萄果粒、果穗的检测准确率分别为95.8％、96.1％,相比于原始Faster R-CNN模型识别性能更优.利用双目视觉算法对葡萄果粒进行尺寸测量,在最佳测量距离(0.6～1.4 m)其相对误差可控制在2％以内.

关键词：葡萄无损检测、多分辨率特征融合、遮挡补偿、机器视觉

所属期刊栏目：38

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省农业科技创新工程资助项目;陕西省科技厅农业科技攻关项目;陕西科技大学博士科研启动基金资助项目

在线出版日期：2022-05-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：394-402