基于实例分割的柑橘花朵识别及花量统计

来源：农业工程学报杂志2020年第7期北京时间：

作者：邓颖,吴华瑞,朱华吉,

摘要：柑橘隔年结果现象严重，花量统计有助于果园的规划管理，并对产量预测有重要意义，但是柑橘单一植株花量巨大，花朵紧凑密集，花期树叶遮挡覆盖，对花量计算造成很大的阻碍。对此该研究提出基于实例分割的柑橘花朵识别与花量统计方法，以花期的柑橘树冠图像为样本进行花朵实例的识别及分割，通过对Mask R-CNN主体卷积部分和掩膜分支部分的优化，实现对复杂结构图像中密集小尺度柑橘花朵目标的高效检测、获取图像中可见花数量。结果显示，该方法花量识别神经网络的平均精度为36.3，花量计算误差为11.9%，对比未优化Mask R-CNN网络在训练和识别的时间效率上均有显著提升。该研究解决了柑橘花量统计难度高的问题，有助于柑橘早期测产和落花监测，并为花量控制提供决策依据。

关键词：图像处理, 目标检测, 算法, 花朵识别, 花量计算, 实例分割, 残差神经网络