基于深度学习的林下落果识别方法与试验

来源：中国农机化学报杂志2021年第9期北京时间：

作者：李小敏, 张日红, 陈天赐, 侯炳法, 张权, 李雄,

单位：仲恺农业工程学院机电学院;

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

基金资助：广东省自然基金(2019A1515011346) 2021年广东省科技创新战略专项资金(pdjh2021b0245) 大学生创新创业训练项目(201911347021)