基于卷积神经网络的田间多簇猕猴桃图像识别方法

摘要：

为实现田间条件下快速、准确地识别多簇猕猴桃果实,该文根据猕猴桃的棚架式栽培模式,采用竖直向上获取果实图像的拍摄方式,提出一种基于 LeNet 卷积神经网络的深度学习模型进行多簇猕猴桃果实图像的识别方法.该文构建的卷积神经网络通过批量归一化方法,以ReLU为激活函数,Max-pooling为下采样方法,并采用Softmax回归分类器,对卷积神经网络结构进行优化.通过对100幅田间多簇猕猴桃图像的识别,试验结果表明:该识别方法对遮挡果实、重叠果实、相邻果实和独立果实的识别率分别为78.97%、83.11%、91.01%和94.78%.通过与5种现有算法进行对比试验,该文算法相对相同环境下的识别方法提高了5.73个百分点,且识别速度达到了0.27 s/个,识别速度较其他算法速度最快.证明了该文算法对田间猕猴桃图像具有较高的识别率和实时性,表明卷积神经网络在田间果实识别方面具有良好的应用前景.

关键词：图像处理、图像识别、算法、深度学习、卷积神经网络、猕猴桃

所属期刊栏目：34

分类号：TP391.41(计算技术、计算机技术)

资助基金：陕西省重点研发计划一般项目2017NY-164;陕西省科技统筹创新工程计划项目2015KTCQ02-12;国家自然科学基金资助项目61175099;西北农林科技大学国际合作种子基金A213021505

在线出版日期：2018-03-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：205-211