基于深度学习的林下落果识别方法与试验

摘要：

监测与识别林下落果的数量和分布信息,是实现落果自动收获和果园智能化管理的重要基础.针对目前落果识别智能化程度较低等问题,提出一种基于深度学习的林下落果识别方法.首先,以不同类型、品种落果图像为基础,通过数据预处理、增强等方法建立林下落果图像数据集.其次,利用YOLO v3深度卷积神经网络优势特性,建立落果智能识别方法.最后,以柑橘、梨、苹果三种典型落果,对基于深度学习的林下落果识别方法进行测试与验证,分析相关试验结果.试验结果表明:所提出的基于YOLO-v3落果识别方法,在不同条件均能准确识别落果,三种典型落果识别精度大于89％％;相对于SSD,RCNN和CenterNet三种网络模型,YOLO-v3的准确率分别提高7％,2％和3.5％;在腐烂落果识别层面,YOLO v3、SSD、RCNN和CenterNet的识别准确率分别为86％,59％,64％和43％;YOLO-v3的识别准确率高于其他深度学习模型.所提出的方法可以精确的识别林下落果,为后期的落果精准管理提供必要的技术支撑.

关键词：落果识别;目标检测;图像处理;深度神经网络

所属期刊栏目：42

分类号：S24;TP183(农业电气化与自动化)

资助基金：广东省自然基金;2021年广东省科技创新战略专项资金;大学生创新创业训练项目

在线出版日期：2021-10-15（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：202-208