基于深度学习的生姜种芽快速识别及其朝向判定

摘要：

针对目前生姜机械化播种难以实现"种芽朝向一致"农艺要求的问题,该研究提出了一种基于深度学习的生姜种芽快速识别及其朝向判定的方法.首先,构建生姜数据集.其次,搭建YOLO v3网络进行种芽的识别,包括:使用Mosaic等在线数据增强方式,增加图像的多样性,解决小数据集训练时泛化能力不足的问题;引入DIoU(Distance Intersection over Union)边框回归损失函数来提高种芽识别回归效果;使用基于IoU的K-means聚类方法,经线性尺度缩放得到9个符合种芽尺寸的先验框,减少了先验框带来的误差.最后进行壮芽的选取及其朝向的判定.测试集中的结果表明,该研究提出的生姜种芽识别网络,平均精度和精准率、召回率的加权调和平均值F1分别达到98.2％和94.9％,采用GPU硬件加速后对生姜种芽的检测速度可达112帧/s,比原有YOLO v3网络的平均精度和F1值分别提升1.5％和4.4％,实现了生姜种芽的快速识别及其朝向的判定,为生姜自动化精确播种提供了技术保证.

关键词：图像识别、算法、卷积神经网络、生姜种芽、DIoU边框回归损失函数

所属期刊栏目：37

分类号：S24;TP183;TP301.6(农业电气化与自动化)

资助基金：国家特色蔬菜产业技术体系项目;山东省农业重大应用技术创新项目

在线出版日期：2021-04-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：213-222