共 20 条
- [10] Channel pruned YOLO V5s-based deep learning approach for rapid and accurate apple fruitlet detection before fruit thinning[J]. BIOSYSTEMS ENGINEERING, 2021, 210 (210) : 271 - 281Wang, DandanHe, Dongjian
温室远程监控系统人机交互与番茄识别研究
被引：9
作者：
张美娜
[1
,2
]
王潇
[3
]
梁万杰
[2
]
曹静
[2
]
张文宇
[2
,4
]
机构：
[1] 南京农业大学工学院
[2] 江苏省农业科学院农业信息研究所
[3] 南京农业大学人工智能学院
[4] 江苏大学农业工程学院
来源：
关键词：
温室;
远程监控;
人机交互;
番茄识别;
深度学习;
Swin Transformer;
D O I：
暂无
中图分类号：
TP277 [监视、报警、故障诊断系统];
S641.2 [番茄（西红柿）];
S626 [蔬菜设施园艺];
学科分类号：
0804 ;
080401 ;
080402 ;
090202 ;
摘要：
为提升设施农业远程监控系统的数据可视化与信息化程度，设计了一种温室远程监控系统，该系统主要由巡检机器人、移动通信网络、云服务器与远程监控中心组成，实现了温室端与远程监控中心端之间的文本、图像、视频3类数据传输。综合应用机器学习、深度学习算法实现人机交互与温室端番茄识别任务。基于Haar级联算法与LBPH算法实现了管理员人脸识别，识别成功率达90%;基于YOLO v3与ResNet-50算法分别识别手部与手部关键点，单手、双手的识别置信度分别为0.98与0.96;基于提取的食指指尖坐标与左右手部候选框中心点坐标实现了手指交互与图像尺寸缩放的功能。应用Swin Small+Cascade Mask RCNN网络模型，针对农业数据集有限的问题，对比分析了应用迁移学习方法前后的番茄检测效果。试验结果表明，应用迁移学习方法后，模型收敛速度有所提升且收敛后的损失值均有所下降；同时，IoU为0、0.5、0.75时的平均精度(mask AP)分别提升了7.8、 6.4、7.2个百分点，模型性能更优。
引用
收藏
页码：363 / 370
页数：8
相关论文