基于改进Mask R-CNN的水稻茎秆杂质分割方法研究

摘要：

针对目前国内联合收割机缺乏含杂率在线检测的问题,提出一种基于改进Mask R-CNN的水稻茎秆杂质分割方法.依据茎秆杂质形状位置特征,对原始Mask R-CNN中网络层进行优化;引入图像增广技术对图像样本进行扩充,解决图像训练数据匮乏问题;利用训练后模型对验证集中图像进行分割,并与原始Mask R-CNN等算法进行对比.结果 表明,改进后Mask R-CNN算法的综合评价指标F1达到91.12％,优于其他模型,且分割时间可达到3.57s,证明其可满足实时检测要求,为后续含杂率在线检测系统实现提供技术参考.

关键词：水稻含杂率;深度学习;实时检测;茎秆分割;精确率;召回率

所属期刊栏目：42

分类号：S24;TP391(农业电气化与自动化)

资助基金：国家重点研发计划子课题;湖北省技术创新重大项目

在线出版日期：2021-09-09（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：145-150