10.13733/j.jcam.issn.2095-5553.2020.10.028
基于残差网络的自然环境中刺梨果实的识别
针对传统的目标检测方法依赖人工提取特征,存在检测效率低、鲁棒性差和实时性差等缺陷.本文根据刺梨果实在自然环境中的生长特点,采用带有残差模块的YOLO v3神经网络进行刺梨果实识别模型的训练,该网络通过提取不同卷积层的特征图,将深层特征图进行上采样后与浅层特征图进行多次融合,以提取图像的更深层次的特征信息.通过对该网络的相关参数进行优化和改进,并对未参与模型训练的70幅刺梨图像进行检测,实验表明,本文算法能够有效地对自然环境下的11类刺梨果实进行识别,各类识别平均准确率为88.5%,平均召回率为91.5%,F1平均值为89.9%,识别速率约为20 f/s.本文算法在刺梨果实的识别上取得了理想的识别效果.
刺梨果实、深度学习、残差网络、YOLO v3、目标识别
41
TP391.41(计算技术、计算机技术)
贵州省普通高等学校工程研究中心建设项目;贵州省科技计划项目
2020-12-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
191-196