基于Mask R-CNN的单株柑橘树冠识别与分割

摘要：

针对在复杂果园背景中难以识别分割单株果树树冠的问题,研究了基于Mask R-CNN神经网络模型实现单株柑橘树冠识别与分割的方法.通过相机获取柑橘园图像数据,利用Mask R-CNN神经网络实现单株柑橘树冠的识别与分割,根据测试集的预测结果评估模型的性能和可适应性,并分析模型的影响因素.结果 表明:参与建模的果园单株树冠识别分割准确率为97％,识别时间为0.26 s,基本上可满足果园精准作业过程中的树冠识别要求;未参与建模果园的单株树冠识别分割准确率为89％,说明模型对不同品种、不同环境的果园具有一定的适应性;与SegNet模型相比,本文模型准确率、精确率和召回率均约高5个百分点,说明在非目标树冠较多的复杂果园图像中具有较好的识别分割效果.本研究可为对靶喷药、病虫害防护、长势识别与预估等果园精准作业提供重要依据.

关键词：柑橘树冠、Mask R-CNN、图像识别、图像分割

所属期刊栏目：52

分类号：TP391.4(计算技术、计算机技术)

资助基金：广东省重点领域研发计划项目;江苏省现代农业装备与技术协同创新中心开放基金

在线出版日期：2021-07-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：169-174