基于残差网络的自然环境中刺梨果实的识别

来源：中国农机化学报杂志2020年第10期北京时间：

作者：闫建伟;赵源;张乐伟;张富贵;

单位：贵州大学机械工程学院/现代制造技术教育部重点实验室;国家林业和草原局刺梨工程技术研究中心;

摘要：针对传统的目标检测方法依赖人工提取特征,存在检测效率低、鲁棒性差和实时性差等缺陷。本文根据刺梨果实在自然环境中的生长特点,采用带有残差模块的YOLO v3神经网络进行刺梨果实识别模型的训练,该网络通过提取不同卷积层的特征图,将深层特征图进行上采样后与浅层特征图进行多次融合,以提取图像的更深层次的特征信息。通过对该网络的相关参数进行优化和改进,并对未参与模型训练的70幅刺梨图像进行检测,实验表明,本文算法能够有效地对自然环境下的11类刺梨果实进行识别,各类识别平均准确率为88.5%,平均召回率为91.5%,F_1平均值为89.9%,识别速率约为20 f/s。本文算法在刺梨果实的识别上取得了理想的识别效果。

关键词：刺梨果实;深度学习;残差网络;YOLOv3;目标识别

基金资助：贵州省普通高等学校工程研究中心建设项目(黔教合KY字[2017]015);; 贵州省科技计划项目(黔科合重大专项字[2019]3014—3、黔科合成果[2019]4292号、黔科合平台人才[2019]5616号)