基于深度学习分类模型的4种果树物候期识别

来源：中国农机化学报杂志2023年第11期北京时间：

作者：钟丹, 李宗南, 王思, 黄平, 邱霞, 蒋怡

摘要：为实现数字果园的机器视觉系统快速准确识别果树关键物候期，采集四川地区苹果、杧果、石榴、柑橘4种果树4个物候期的图像15 000幅，按6∶2∶2的比例随机划分训练、验证和测试数据集，训练VGG16、ResNet50、MobileNetV2及Swin Transformer 4个深度学习图像分类模型，评测不同模型的精度和性能。结果表明，各模型识别物候期精度分别为98.9%、99.3%、99.7%、99.8%，其中杧果成熟期的识别误差较大，精度分别为96.7%、98.2%、99.0%、99.5%；模型识别测试集图像的计算量(GFLOPs)分别为15.50、4.12、0.32、15.14，识别单张图像耗时分别为3.00ms、2.33ms、3.00ms、4.67ms。该结果可为果园嵌入式设备、服务器端的机器视觉系统选择模型提供参考。

关键词：果树,物候期,深度学习,图像分类,注意力机制

基金资助：国家重点研发计划(2021YFD1600800)；四川省科技计划项目(2023YFN0070)；四川省农业科学院揭榜挂帅项目(1+9KJGG008)