基于实例分割的柑橘花朵识别及花量统计

被引：26

作者：

邓颖 ^{[1
]}

吴华瑞 ^{[2
]}

朱华吉 ^{[3
]}

机构：

[1] 国家农业信息化工程技术研究中心

[2] 北京市农业信息技术研究中心

[3] 农业农村部农业信息软硬件产品质量检测重点实验室

来源：

农业工程学报 | 2020年 / 36卷 / 07期

基金：

北京市自然科学基金;

关键词：

图像处理; 目标检测; 算法; 花朵识别; 花量计算; 实例分割; 残差神经网络;

D O I：

暂无

中图分类号：

S666 [柑桔类]; TP391.41 [];

学科分类号：

080203 ;

摘要：

柑橘隔年结果现象严重,花量统计有助于果园的规划管理,并对产量预测有重要意义,但是柑橘单一植株花量巨大,花朵紧凑密集,花期树叶遮挡覆盖,对花量计算造成很大的阻碍。对此该研究提出基于实例分割的柑橘花朵识别与花量统计方法,以花期的柑橘树冠图像为样本进行花朵实例的识别及分割,通过对MaskR-CNN主体卷积部分和掩膜分支部分的优化,实现对复杂结构图像中密集小尺度柑橘花朵目标的高效检测、获取图像中可见花数量。结果显示,该方法花量识别神经网络的平均精度为36.3,花量计算误差为11.9%,对比未优化MaskR-CNN网络在训练和识别的时间效率上均有显著提升。该研究解决了柑橘花量统计难度高的问题,有助于柑橘早期测产和落花监测,并为花量控制提供决策依据。

引用

页码：200 / 207

页数：8

共 61 条

[1] 基于图像处理的柑橘测产方法
张亚静
邓烈
李民赞
赵瑞娇
何绍兰
易时来
[J]. 农业机械学报, 2009, (S1) : 97 - 99
[2] 基于图像处理的柑橘测产方法
张亚静
邓烈
李民赞
赵瑞娇
何绍兰
易时来
[J]. 农业机械学报, 2009, (S1) : 97 - 99
[3] New edge-directed interpolation. Xin Li,M. T. Orchard. IEEE Transactions on Image Processing . 2001
[4] New edge-directed interpolation. Xin Li,M. T. Orchard. IEEE Transactions on Image Processing . 2001
[5] Think globally, fit locally: unsupervised learning of low dimensional manifolds. Lawrence K S,Sam T R. Journal of Machine Learning Research . 2004
[6] Think globally, fit locally: unsupervised learning of low dimensional manifolds. Lawrence K S,Sam T R. Journal of Machine Learning Research . 2004
[7] Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks. Ren S,Girshick R,Girshick R,et al. IEEE Transactions on Pattern Analysis&Machine Intelligence . 2015
[8] Faster R-CNN:Towards Real-Time Object Detection with Region Proposal Networks. Ren S,Girshick R,Girshick R,et al. IEEE Transactions on Pattern Analysis&Machine Intelligence . 2015
[9] A Mask R-CNN Model with Improved RegionProposal Network for Medical Ultrasound Image. Liu J,Li P F. Inter-national Conference on Intelligent Computing . 2018
[10] A Mask R-CNN Model with Improved RegionProposal Network for Medical Ultrasound Image. Liu J,Li P F. Inter-national Conference on Intelligent Computing . 2018

← 1 2 3 4 5 6 7 →