基于Faster R-CNN算法的番茄识别检测方法

摘要：

针对番茄生长环境复杂,枝叶对果实造成遮挡及果实之间存在遮挡等因素,造成番茄难以识别、检测等难题,本文基于Faster R-CNN的番茄识别检测方法进行研究.首先使用AlexNet网络提取涵盖番茄语义、空间信息的特征图;用区域建议网络对特征图进行番茄与背景的二分类、预选框回归训练,用非极大值抑制算法筛选出预选区域;用区域特征聚集方法将预选区域特征图转化为固定大小的特征图,最后针对番茄图像的每个特征图计算分类回归损失,实现对番茄的识别检测.该方法在番茄数据集上进行测试,在重叠度取0.5时,番茄数据集的均值平均精度值为0.839,优于Yolov3算法、SSD算法的0.804、0.773,该方法的平均正确识别率为95.2％.结果表明本方法可准确的识别检测出成熟、未成熟番茄的标签及位置,单样本图像处理时间为245 ms,可满足番茄检测的实时控制要求.

关键词：番茄;图像检测;特征提取

所属期刊栏目：52

分类号：TP399(计算技术、计算机技术)

资助基金：山东省重大科技创新工程项目;山东省农业重大应用技术创新项目;山东省园艺机械与装备重点实验室项目

在线出版日期：2021-10-18（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：624-630