基于深度学习的茶嫩芽分割与采摘点定位方法研究

来源：中国农机化学报杂志2024年第5期北京时间：

作者：王化佳, 顾寄南, 王梦妮, 夏子林

摘要：为实现茶嫩芽快速识别与采摘点定位，研究一种轻量级深度学习网络实现茶嫩芽分割与采摘点定位。采用MobileNetV2主干网络与空洞卷积相结合，较好地平衡茶嫩芽图像分割速度与精度的矛盾，实现较高分割精度的同时，满足茶嫩芽快速识别的要求，并设计外轮廓扫描与面积阈值过滤相结合的采摘点定位方法。试验表明：所提出的茶嫩芽分割算法在单芽尖及一芽一叶数据集中精度优异，平均交并比mIoU分别达到91.65%和91.36%；在保持高精度的同时，模型复杂度低，参数量仅5.81 M、计算量仅39.78 GFOLPs；在单芽尖、一芽一叶及一芽两叶数据集中各随机抽取200张图片进行采摘点定位验证，定位准确率分别达到90.38%、95.26%和96.60%。

关键词：茶嫩芽,深度学习,语义分割,空洞卷积,感受野,采摘点定位

基金资助：江苏省重点研发计划重点项目(BE2021016—3)