基于改进Mask R-CNN的植物表型智能检测算法

来源：中国农机化学报杂志2022年第8期北京时间：

作者：王晓婷, 赵展, 王阳, 李林,

单位：1. 开封大学信息工程学院，河南开封，475000； 2. 河南省高标准农田智能灌溉工程研究中心，河南开封，475000；3. 贵州大学省部共建公共大数据国家重点实验室，贵阳市，550025

摘要：针对高通量自动化获取的植物表型性状图像的智能检测问题，采用迁移学习和改进掩膜区域卷积神经网络(Mask R-CNN)设计植物表型智能检测分割算法。首先对残差网络进行优化，并利用特征金字塔网络(FPN)对输入图像进行特征提取；然后调整候选区域提取网络(RPN)中锚框的长宽比例和阈值，并在RoIAlign中通过双线性插值法保留了特征图的空间信息；最后改进Mask检测头，并增加特征融合机制以获得高质量的掩膜。在西瓜突变体生长情况的性状表型数据集上进行训练和检测，得到结果表明：改进后的Mask R-CNN表现出更优的检测性能，与传统Mask R-CNN相比，检测精度提高22%，掩膜准确率提高2.7%，检测时间减少42 ms，为提升农业精准化水平和推动智慧农业发展提供了技术支撑。

关键词：植物表型,智能检测,深度学习,实例分割,迁移学习,特征融合

基金资助：河南省高等学校重点科研项目计划（21A520029）