共 25 条
基于YOLO v4+HSV的成熟期番茄识别方法
被引：44
作者：
李天华
[1
,2
,3
]
孙萌
[1
]
丁小明
[4
]
李玉华
[1
,2
]
张观山
[1
,2
]
施国英
[1
,2
]
李文显
[1
]
机构：
[1] 山东农业大学机械与电子工程学院
[2] 山东省农业装备智能化工程实验室
[3] 农业农村部黄淮海设施农业工程科学观测实验站
[4] 农业农村部规划设计研究院设施农业研究所
来源：
关键词：
图像分割;
识别;
番茄;
采摘;
YOLO;
HSV;
D O I：
暂无
中图分类号：
TP391.41 [];
S225 [收获机械];
学科分类号：
080203 ;
摘要：
为解决成熟番茄采摘识别中由于藤蔓、叶片、果实遮挡或光照影响而引起的误识别问题,该研究提出了一种基于YOLO v4与HSV(Hue, Saturation, Value)相结合的识别方法,以实现自然环境下成熟期番茄的准确识别。在YOLO v4网络的检测框内通过HSV方法对番茄的红色区域进行分割,并将分割面积在检测框中达到一定占比的番茄作为目标输出。通过对比不同占比下该算法对测试集的识别效果,将16%作为成熟期番茄识别算法的占比,该占比下YOLO v4+HSV算法的正确率为94.77%,在工作站中检测单幅图片的速度为25.86 ms。为验证算法的性能,对改进前后算法进行了比较,改进后的正确率比改进前提高了4.30个百分点,说明通过HSV处理能够提高原网络识别成熟期番茄的准确性。此外,为测试算法的实用性,统计了在不同类型设备上该算法从调用深度相机到检测到第一个目标番茄所用的时间,经计算,其在工作站上所用的平均时间为0.51 s,在微型工控机上为1.48 s,均可满足实际采摘需要。该研究可为果蔬采摘的准确高效识别提供借鉴。
引用
收藏
页码：183 / 190
页数：8
相关论文