基于同色背景下的黄瓜果实识别方法研究

1

作者 曹丽英 刘洋 +2 位作者 王喜林 周恒宇 姜冬辉 《无线电通信技术》 北大核心 2025年第5期1036-1045,共10页

与异色背景相比,同色背景下目标的识别特征较少,更易受到遮挡和复杂背景的干扰导致同色背景下对黄瓜果实的识别检测一直是研究领域的重难点之一。针对该问题,提出了一种基于YOLOv11n的目标检测网络YOLO-ACG。引入自适应动态下采样(Adapt... 与异色背景相比,同色背景下目标的识别特征较少,更易受到遮挡和复杂背景的干扰导致同色背景下对黄瓜果实的识别检测一直是研究领域的重难点之一。针对该问题,提出了一种基于YOLOv11n的目标检测网络YOLO-ACG。引入自适应动态下采样(Adaptive Dynamic Downsample,ADown)模块,融合可变形卷积和通道注意力机制,实现跨尺度特征自适应采样;构建Ghost_HGNetV2网络结构,其中高分辨率组卷积(High-resolution Group Stem,HGStem)将输入图像的通道数压缩,生成固有的特征映射,实现高效特征提取,Ghost_HGBlock模块采用知识蒸馏技术增强特征表达能力;引入上下文与空间特征校准网络结构(Context and Spatial Feature Calibration Network,CSFCN),该结构包含上下文特征校准(Context Feature Calibration,CFC)和空间特征校准(Spatial Feature Calibration,SFC),通过聚合每个像素相关的上下文信息,利用校准空间特征,确保网络正确理解图像的空间布局,进而更加精确地区分具有相似颜色的黄瓜果实和背景。经实验验证,改进后模型精确率提高4.64个百分点,召回率提高5.07个百分点,F1提高4.89个百分点,mAP值提高4.48个百分点。消融、对比实验表明,YOLO-ACG在同色背景下黄瓜果实识别中明显减少了误检和漏检的问题,且具有更高的检测精度。 展开更多

关键词 特征提取 YOLO 果实识别 目标检测

在线阅读 下载PDF 职称材料

基于YOLO-Z的果实识别检测算法

2

作者 苏佳 罗都 +2 位作者 梁奔 冯康康 张建燕 《计算机工程与设计》 北大核心 2025年第5期1503-1511,共9页

针对当前果实识别中检测速度慢和遮挡目标识别准确率低的问题,提出一种YOLO-Z果实识别算法。使用YOLOv7-Tiny作为基础模型,采用轻量级的T-Net作为新的特征提取网络,减少网络层数,解决参数量过大及模型计算速度过慢的问题;使用AFPN特征... 针对当前果实识别中检测速度慢和遮挡目标识别准确率低的问题,提出一种YOLO-Z果实识别算法。使用YOLOv7-Tiny作为基础模型,采用轻量级的T-Net作为新的特征提取网络,减少网络层数,解决参数量过大及模型计算速度过慢的问题;使用AFPN特征融合结构缩减非相邻层之间较大的语义差距,增强特征信息的提取,提升模型的精度;引入损失函数Repulsion Loss,用于计算遮挡损失,解决目标遮挡问题,提高果实识别检测效果。实验结果表明,改进后的模型参数量达4.3 M,FPS为每秒200帧,mAP达到93.40%,较YOLOv7-Tiny提升0.9个百分点,参数量下降1.7 M,验证了该模型的有效性。 展开更多

关键词 目标检测 特征信息 分类回归 果实识别 目标遮挡 每秒传输帧数 平均检测精度均值

在线阅读 下载PDF 职称材料

一种基于高光谱技术的温室环境下叶片遮挡树莓果实识别模型 被引量：1

3

作者 陈竹筠 席瑞谦 +2 位作者 张晓乾 顾玉红 任振辉 《河北农业大学学报》 北大核心 2025年第3期107-116,126,共11页

在智能化农业管理中,精准识别被叶片遮挡的树莓果实是实现高效采摘作业的关键难题。传统机器视觉技术因果实易被叶片遮挡而难以准确定位,影响采摘效率与质量,也无法满足温室对果实生长状况精准监测与管理的需求。本研究针对现有机器视... 在智能化农业管理中,精准识别被叶片遮挡的树莓果实是实现高效采摘作业的关键难题。传统机器视觉技术因果实易被叶片遮挡而难以准确定位,影响采摘效率与质量,也无法满足温室对果实生长状况精准监测与管理的需求。本研究针对现有机器视觉技术在处理遮挡问题上的局限性,开发了一种基于高光谱技术的树莓果实识别方法,首次引入并优化了voting-RF-MLP集成模型。通过采集不同遮挡状态下的树莓果实反射率光谱数据,为模型训练提供了全面的数据集,并采用定制化的数据预处理和PCA特征提取算法提升数据质量。voting-RF-MLP模型结合随机森林(RF)和多层感知器(MLP)优势,通过GridSearchCV算法优化超参数,确保最优性能。测试结果显示,voting-RF-MLP模型在各类遮挡状态下分类性能卓越,准确率达到0.8435,精确度、召回率和F1分数均显著优于传统单一模型。这一成果提高了树莓果实识别的准确性,该模型可为自动化采摘设备提供精准的果实定位支持,在叶片遮挡条件下实现树莓果实深度距离信息(遮挡距离)的预测,且952条光谱样本推理时间仅需13.43 s,可为高光谱技术在复杂农业场景中的高效计算提供算法基础,助力精准农业的智能化升级。 展开更多

关键词 高光谱技术 机器学习 模型优化 树莓果实识别 集成模型 voting算法

在线阅读 下载PDF 职称材料

基于改进YOLOv7—tiny轻量化模型的复杂环境下柑橘果实识别方法

4

作者 靳怡婷 李俊萩 张晴晖 《中国农机化学报》 北大核心 2025年第9期153-162,F0002,共11页

果实检测是实现果实自动采摘的前期研究,在农业现代化领域中具有重要的研究意义。实际应用中对果实检测的实时性和精确度有较高要求,但又受嵌入式设备的算力及存储容量限制,因此,检测算法的研究需兼顾轻量化、实时性、精确度等方面。以... 果实检测是实现果实自动采摘的前期研究,在农业现代化领域中具有重要的研究意义。实际应用中对果实检测的实时性和精确度有较高要求,但又受嵌入式设备的算力及存储容量限制,因此,检测算法的研究需兼顾轻量化、实时性、精确度等方面。以柑橘为研究对象,提出一种基于YOLOv7—tiny改进的轻量化模型。该模型采用轻量化卷积运算PConv,减少模型参数量和计算量的同时保证模型预测效果。针对自然环境下柑橘自然生长导致形态各异、叶片以及果实之间相互遮挡、光照条件不同等情况,引入双向特征金字塔网络BiFPN,捕捉柑橘果实不同尺度的特征信息,提升网络模型对于小目标物体的检测能力,从而实现对距离较远的小柑橘果实的高效检测;通过使用上采样算子CARAFE,更有效地保留和传递图像中的细节和语义信息,从而提高光线较弱以及有遮挡的情况下柑橘果实检测准确率;选取meta—ACON自适应激活函数,从而增强多种视觉场景下网络模型的自适应特征能力。试验表明,改进后的模型相比于原始模型,减少391 104个参数,模型占用内存和计算量分别下降6.5%、6.0%,检测速度提升约33%。同时,精确率和召回率分别由95.1%、95.3%提升至97.3%、97.1%,mAP@0.5和mAP@0.5∶0.95分别由97.8%、77.5%提升至99.0%、79.3%。将改进前后的模型分别部署到Jestson Nano移动端开发板上,实际测试表明,改进后的模型检测帧率为18.38帧/s,比原模型提升约12.9%。改进后的模型在降低参数量和计算量、加快推理速度的同时,仍保证较高的检测精度,为农业机器人的智能化发展提供参考。 展开更多

关键词 柑橘检测 果实识别 轻量化模型 移动端部署 复杂环境

在线阅读 下载PDF 职称材料

基于YOLOv8n的轻量级巴旦木果实识别方法 被引量：1

5

作者 方国文 何超 王鑫泽 《江苏农业学报》 CSCD 北大核心 2024年第9期1662-1670,共9页

在果园环境下,快速精准识别巴旦木果实对提升巴旦木采摘机器人的作业精度和效率至关重要。为减少果园场景中因树叶遮挡或果实重叠导致的巴旦木果实漏检现象,降低计算量和参数量,提高果实识别模型的性能和准确度,本研究在YOLOv8n模型的... 在果园环境下,快速精准识别巴旦木果实对提升巴旦木采摘机器人的作业精度和效率至关重要。为减少果园场景中因树叶遮挡或果实重叠导致的巴旦木果实漏检现象,降低计算量和参数量,提高果实识别模型的性能和准确度,本研究在YOLOv8n模型的基础上,利用ContextGuide模块替换原模型中主干网络(Backbone)部分基本构成单元C2f中的Bottleneck模块,利用BiFPN模块替代原模型中颈部网络(Neck)部分中的PANet模块,同时引入MPDIoU损失函数替换原模型中的CIoU损失函数,提出了一种改进的轻量级巴旦木果实检测模型(YOLOv8n-BCG)。并利用公开的巴旦木影像数据集对优化后的模型性能进行比较分析。结果表明,改进后模型参数量仅为1.528 M,平均精度值(mAP 0.50∶0.95)为69.7%,相比于原YOLOv8n模型提升0.5个百分点。与YOLOv5s、YOLOv5n、YOLOv7-tiny、Faster R-CNN等模型相比,YOLOv8n-BCG模型具有更低的浮点计算量和更高的检测精度值。本研究结果可为高效的巴旦木果实采摘机器人自动化作业提供技术支持。 展开更多

关键词 巴旦木 果实识别 BiFPN ContextGuide MPDIoU损失函数 YOLOv8n

在线阅读 下载PDF 职称材料

基于改进YOLOv8的自然环境下柑橘果实识别 被引量：2

6

作者 余圣新 韦莹莹 +4 位作者 方辉 李敏 柴秀娟 曾志康 覃泽林 《湖北农业科学》 2024年第8期23-27,共5页

为实现柑橘果实的精准快速识别,提出了一种改进YOLOv8网络模型。首先将YOLOv8网络模型中的部分传统卷积替换为ODConv全维动态卷积,以增强YOLOv8网络模型在复杂的自然环境下的适应能力,然后将YOLOv8的CIoU损失函数替换为MPDIoU损失函数,... 为实现柑橘果实的精准快速识别,提出了一种改进YOLOv8网络模型。首先将YOLOv8网络模型中的部分传统卷积替换为ODConv全维动态卷积,以增强YOLOv8网络模型在复杂的自然环境下的适应能力,然后将YOLOv8的CIoU损失函数替换为MPDIoU损失函数,解决了CIoU损失函数在特殊情况下退化的问题,接着通过消融试验,分别验证了ODConv全维动态卷积与MPDIoU损失函数的有效性,改进后YOLOv8n、YOLOv8s、YOLOv8m、YOLOv8l、YOLOv8x的平均识别精度mAP分别从86.40%、88.92%、88.97%、88.99%、89.11%提高至88.25%、89.32%、89.57%、89.90%、90.12%。试验结果表明,ODConv全维动态卷积与MPDIoU损失函数能有效提高YOLOv8网络模型在自然环境下的柑橘果实识别能力。 展开更多

关键词 柑橘果实识别 卷积神经网络 YOLOv8 ODConv全维动态卷积 MPDIoU损失函数

在线阅读 下载PDF 职称材料

基于改进YOLOv7的猕猴桃果实识别优化

7

作者 何翔 朱洪前 《林业与环境科学》 2024年第2期36-45,共10页

为了解决猕猴桃Actinidia chinensis果实识别过程中存在果实之间重叠导致的遮挡严重、检测结果易受叶片影响等问题,建立不同日照条件下的猕猴桃果实图像数据集,对YOLOv7模型做了3方面改进:将Backbone部分的卷积模块替换成GhostConv模块... 为了解决猕猴桃Actinidia chinensis果实识别过程中存在果实之间重叠导致的遮挡严重、检测结果易受叶片影响等问题,建立不同日照条件下的猕猴桃果实图像数据集,对YOLOv7模型做了3方面改进:将Backbone部分的卷积模块替换成GhostConv模块,在维持原有精度的程度上降低模型的参数量;针对猕猴桃果实之间存在大量重叠的情况,引入非极大值抑制NMS(Soft-NMS)策略提高检测框回归精度;融合SimAM注意力机制,增强模型对于高密度猕猴桃特征的提取能力。通过对比实验表明,优化后的模型与Faster RCNN相比,mAP值增加了12.7个百分点,检测速度提升106.8帧/s,综合性能较好,满足机器实时对于猕猴桃果实识别的需求。 展开更多

关键词 果实识别 YOLOv7 GhostConv Soft NMS SimAM

在线阅读 下载PDF 职称材料

基于改进YOLOv7模型的朝天椒果实识别方法

8

作者 李名博 卫勇 +1 位作者 穆志民 NASIR Mubarak Aliyu 《江苏农业学报》 CSCD 北大核心 2024年第12期2292-2301,共10页

朝天椒果实的准确识别是实现智能采摘的关键步骤,针对其生长环境复杂、果实大小不一、遮挡重叠等造成识别准确率低的问题,本研究提出一种基于改进YOLOv7的朝天椒果实识别方法。以YOLOv7为基础模型,设计了一种含有残差结构的AM_F模块,将... 朝天椒果实的准确识别是实现智能采摘的关键步骤,针对其生长环境复杂、果实大小不一、遮挡重叠等造成识别准确率低的问题,本研究提出一种基于改进YOLOv7的朝天椒果实识别方法。以YOLOv7为基础模型,设计了一种含有残差结构的AM_F模块,将其融合在YOLOv7主干网络中;基于空间、通道注意力机制的结构改进得到SAM_F、SE_ECA模块,分别将其融合在主干网络和颈部网络中,并进行结构简化,同时将SPP_CSP结构中的SPP替换为SPPF,实现参数计算量的精简,最终得到改进型YOLOv7模型——YOLOv7-F。采用对比试验对YOLOv7-F模型的识别效果进行验证分析,结果表明,YOLOv7-F模型对朝天椒果实的识别平均精度均值为80.07%,与YOLOv7模型相比,YOLOv7-F模型在识别时间加快23.4 ms的前提下,平均精度均值提升了1.06个百分点,而且模型大小也减少77.94 MB。YOLOv7-F模型实现了朝天椒果实识别精度和速度同步提升,为朝天椒果实智能采摘提供技术支撑。 展开更多

关键词 朝天椒 果实识别 YOLOv7模型

在线阅读 下载PDF 职称材料

采摘机器人果实识别的多源图像配准 被引量：28

9

作者 冯娟 刘刚 +2 位作者 王圣伟 马晓丹 周薇 《农业机械学报》 EI CAS CSCD 北大核心 2013年第3期197-203,共7页

为了提高果实识别的准确性,减少非结构化环境对识别的影响,使用基于光学混合探测(PMD)技术的深度摄像机与RGB摄像机组合捕获果园环境的多源图像;SURF算法提取待配准图像的尺度不变特征,欧式距离作为判断特征相似性的测度,最近邻与次近... 为了提高果实识别的准确性,减少非结构化环境对识别的影响,使用基于光学混合探测(PMD)技术的深度摄像机与RGB摄像机组合捕获果园环境的多源图像;SURF算法提取待配准图像的尺度不变特征,欧式距离作为判断特征相似性的测度,最近邻与次近邻比值实现特征向量的初匹配,最近邻的搜索策略加速匹配过程;剔除异常点与优化模型交替迭代的方法提纯匹配结果;并以均方误差(MSE)、归一化互信息(NMI)和相关系数(COEF)作为配准效果的客观评价标准。不同试验结果表明:双摄像机组合丰富了锁定目标区域的信息量,配准算法的实时性、鲁棒性及精度均能满足果园试验的要求。 展开更多

关键词 果实识别 非结构化环境 光学混合探测 多源图像 尺度不变特征 图像配准

在线阅读 下载PDF 职称材料

融合多源图像信息的果实识别方法 被引量：22

10

作者 冯娟 曾立华 +1 位作者 刘刚 司永胜 《农业机械学报》 EI CAS CSCD 北大核心 2014年第2期73-80,共8页

光线变化与目标重叠是影响自然环境中果实正确识别的重要原因。为了降低两者的影响，研究了融合多源图像信息的果实识别方法。在图像配准的基础上，优选了日分量图与幅度图像作为待融合的源图像；由模糊推理系统（隶属度函数和模糊规则... 光线变化与目标重叠是影响自然环境中果实正确识别的重要原因。为了降低两者的影响，研究了融合多源图像信息的果实识别方法。在图像配准的基础上，优选了日分量图与幅度图像作为待融合的源图像；由模糊推理系统（隶属度函数和模糊规则）决定权重，采用加权平均策略实现图像的像素级融合；根据融合图像中果实区域的分布规律，设计了一种基于直方图的首阈检测法以获得最佳的果实分割效果；利用深度图像的统计特性，设计了一种逐层分割图像的方法以解决重叠果实的分离问题。实验结果表明：多源融合图像用于果实识别与定位比单一图像具有更好的准确性与鲁棒性，对重叠果实的正确识别率在83．67％～94．22％之间。 展开更多

关键词 果实识别 多源图像 模糊逻辑 图像融合 图像分割

在线阅读 下载PDF 职称材料

SUSAN算子和Hough变换在杨梅果实识别中的应用 被引量：7

11

作者 徐黎明 吕继东 《中国农机化学报》 2015年第6期216-220,共5页

研究自然场景下成熟杨梅的识别技术。根据杨梅果实的特点,在RGB模式下,选用R-G颜色特征用最大类间方差阈值分割法Otsu对图像进行分割去除复杂背景;再利用SUSAN算子不需要梯度计算的特点,自适应选取阀值进行边缘检测;然后通过Hough来实... 研究自然场景下成熟杨梅的识别技术。根据杨梅果实的特点,在RGB模式下,选用R-G颜色特征用最大类间方差阈值分割法Otsu对图像进行分割去除复杂背景;再利用SUSAN算子不需要梯度计算的特点,自适应选取阀值进行边缘检测;然后通过Hough来实现杨梅果实的识别;最后通过实验结果验证本文方法的有效性。 展开更多

关键词 杨梅 R-G颜色特征 SUSAN HOUGH 果实识别

在线阅读 下载PDF 职称材料

基于改进YOLO v3的自然场景下冬枣果实识别方法 被引量：39

12

作者 刘天真 滕桂法 +2 位作者 苑迎春 刘博 刘智国 《农业机械学报》 EI CAS CSCD 北大核心 2021年第5期17-25,共9页

为实现自然场景下冬枣果实的快速、精准识别,考虑到光线变化、枝叶遮挡、果实密集重叠等复杂因素,基于YOLO v3深度卷积神经网络提出了一种基于改进YOLO v3(YOLO v3-SE)的冬枣果实识别方法。YOLO v3-SE模型利用SE Net的SE Block结构将特... 为实现自然场景下冬枣果实的快速、精准识别,考虑到光线变化、枝叶遮挡、果实密集重叠等复杂因素,基于YOLO v3深度卷积神经网络提出了一种基于改进YOLO v3(YOLO v3-SE)的冬枣果实识别方法。YOLO v3-SE模型利用SE Net的SE Block结构将特征层的特征权重校准为特征权值,强化了有效特征,弱化了低效或无效特征,提高了特征图的表现能力,从而提高了模型识别精度。YOLO v3-SE模型经过训练和比较,选取0.55作为置信度最优阈值用于冬枣果实检测,检测结果准确率P为88.71%、召回率R为83.80%、综合评价指标F为86.19%、平均检测精度为82.01%,与YOLO v3模型相比,F提升了2.38个百分点,mAP提升了4.78个百分点,检测速度无明显差异。为检验改进模型在冬枣园自然场景下的适应性,在光线不足、密集遮挡和冬枣不同成熟期的情况下对冬枣果实图像进行检测,并与YOLO v3模型的检测效果进行对比,结果表明,本文模型召回率提升了2.43~5.08个百分点,F提升了1.75~2.77个百分点,mAP提升了2.38~4.81个百分点,从而验证了本文模型的有效性。 展开更多

关键词 冬枣 自然场景 果实识别 YOLO v3 卷积神经网络 SE Net

在线阅读 下载PDF 职称材料

基于猕猴桃果萼图像的多目标果实识别方法 被引量：19

13

作者 陈礼鹏 穆龙涛 +3 位作者 刘浩洲 谷新运 傅隆生 崔永杰 《计算机工程与设计》 北大核心 2018年第6期1738-1744,共7页

在猕猴桃采摘机器人作业的过程中,由于对于目标果实的识别一般是针对单个果实,极大影响了猕猴桃采摘的效率。为此,提出多目标果实的识别方法,以猕猴桃果萼为识别对象对猕猴桃图像进行识别。运用该方法对多目标果实进行识别,对所采集的... 在猕猴桃采摘机器人作业的过程中,由于对于目标果实的识别一般是针对单个果实,极大影响了猕猴桃采摘的效率。为此,提出多目标果实的识别方法,以猕猴桃果萼为识别对象对猕猴桃图像进行识别。运用该方法对多目标果实进行识别,对所采集的样本图像中的20幅图片进行实验,实验结果表明,运用该方法识别的准确率为88.86%,该识别获得的信息能达到猕猴桃多目标识别的目的,为后续机械臂的路径规划,采摘机器人末端执行器设计提供了信息支持,也可为苹果、柑橘等果实的识别提供参考。 展开更多

关键词 采摘机器人 多目标 果实识别 猕猴桃果萼 图像处理

在线阅读 下载PDF 职称材料

高架草莓的果实识别与果梗分割 被引量：10

14

作者 杨珍 龚惟新 +4 位作者 李凯 郝伟 何智 丁辛亭 崔永杰 《农业工程学报》 EI CAS CSCD 北大核心 2023年第17期172-181,共10页

在高架栽培环境下,精准识别草莓果实并分割果梗对提升草莓采摘机器人的作业精度和效率至关重要。该研究在原YOLOv5s模型中引入自注意力机制,提出了一种改进的YOLOv5s模型(ATCSP-YOLOv5s)用于高架草莓的果实识别,并通过YOLOv5s-seg模型... 在高架栽培环境下,精准识别草莓果实并分割果梗对提升草莓采摘机器人的作业精度和效率至关重要。该研究在原YOLOv5s模型中引入自注意力机制,提出了一种改进的YOLOv5s模型(ATCSP-YOLOv5s)用于高架草莓的果实识别,并通过YOLOv5s-seg模型实现了果梗的有效分割。试验结果显示,ATCSP-YOLOv5s模型的精确率、召回率和平均精度值分别为97.24%、94.07%、95.59%,较原始网络分别提升了4.96、7.13、4.53个百分点;检测速度为17.3帧/s。此外,YOLOv5s-seg果梗分割模型的精确率、召回率和平均精度值分别为82.74%、82.01%和80.67%。使用ATCSPYOLOv5s模型和YOLOv5s-seg模型分别对晴天顺光、晴天逆光和阴天条件下的草莓图像进行检测,结果表明,ATCSPYOLOv5s模型在3种条件下识别草莓果实的平均精度值为95.71%、95.34%、95.56%,较原始网络提升4.48、4.60、4.50个百分点。YOLOv5s-seg模型在3种条件下分割草莓果梗的平均精度值为82.31%、81.53%、82.04%。该研究为草莓采摘机器人的自动化作业提供了理论和技术支持。 展开更多

关键词 图像处理 模型 高架草莓 果实识别 YOLOv5s 自注意力机制 果梗分割

在线阅读 下载PDF 职称材料

基于改进YOLOv4模型的自然环境下梨果实识别 被引量：8

15

作者 马帅 张艳 +1 位作者 周桂红 刘博 《河北农业大学学报》 CAS CSCD 北大核心 2022年第3期105-111,共7页

针对自然环境下梨果实识别场景中存在梨果实颜色与背景颜色相近、遮挡、重叠等因素导致的识别困难的问题,本试验提出1种基于改进的YOLOv4网络模型梨果实识别的方法,使用的神经网络模型以CSPDarknet53作为主干特征提取网络,将空间金字塔... 针对自然环境下梨果实识别场景中存在梨果实颜色与背景颜色相近、遮挡、重叠等因素导致的识别困难的问题,本试验提出1种基于改进的YOLOv4网络模型梨果实识别的方法,使用的神经网络模型以CSPDarknet53作为主干特征提取网络,将空间金字塔池化(SPP)中的最大池化法改为平均池化法,以适应目标与背景颜色相近的场景,更多地保留目标信息;将SPP模块前后的卷积、PANet中的部分卷积以及输出部分的卷积替换为深度可分离卷积,在保证卷积效果不变的效果下减少网络模型所占空间。使用训练后的改进YOLOv4模型对未参与训练的图像样本进行测试,改进后的模型所占空间比原模型下降44%,召回率达到85.56%,比原模型提高了1.29%,mAP达到90.18%,比原模型提高了0.1%。实验结果表明,本文算法对自然环境下近色背景的梨果实的识别具有良好的查全率与精确率,能够较好地对梨果实进行识别,可为实现梨果园的自动采摘和产量预测提供技术支持。 展开更多

关键词 卷积神经网络 YOLOv4 梨 果实识别

在线阅读 下载PDF 职称材料

基于改进Hough圆变换算法的成熟番茄果实识别 被引量：16

16

作者 冯俊惠 李志伟 +1 位作者 戎有丽 孙志立 《中国农机化学报》 北大核心 2021年第4期190-196,共7页

Hough圆变换算法可以解决成熟番茄果实识别问题,但计算量较大,且由于番茄非标准球形、多果重叠、茎叶遮挡等问题,识别准确率有待进一步提高,因此本文对其改进,设计一种实现番茄收获机器人视觉系统的成熟果实识别算法。首先对采集到的图... Hough圆变换算法可以解决成熟番茄果实识别问题,但计算量较大,且由于番茄非标准球形、多果重叠、茎叶遮挡等问题,识别准确率有待进一步提高,因此本文对其改进,设计一种实现番茄收获机器人视觉系统的成熟果实识别算法。首先对采集到的图像下采样,以减少计算量;然后进行基于颜色信息的背景分割,得到成熟番茄果实为目标的二值图像;并在此基础上采用Sobel算子提取边缘信息;最后基于改进Hough圆变换算法实现番茄果实识别。Hough圆变换算法的改进之处有两点:(1)根据边缘信息转换到参数空间时,对转换得到的圆心及其8-连通域对应的组合均进行投票,以减少离散坐标计算时产生的误差;(2)采用基于圆心相近且半径相似的聚类思想,对Hough圆变换算法检测到的结果进行聚类,以适应类圆形目标的检测。试验结果表明,本文算法对存在不同成熟周期的番茄果实、茎叶遮挡、多果重叠等多种情况都能有效识别,上述三种情况的准确识别率分别为87.5%、85%、84.8%,三种情况同时存在的复杂情况下准确识别率为84.6%,而简单情况下可以100%准确识别,经统计,平均正确识别率为86.3%,平均运行时间为398 ms。 展开更多

关键词 成熟番茄 果实识别 Hough圆变换 聚类 计算机视觉

在线阅读 下载PDF 职称材料

基于模板匹配的苹果果实识别 被引量：4

17

作者 黄敏 《计算机应用与软件》 CSCD 2010年第5期240-242,共3页

为了实现果蔬收获机器人的果实识别和定位,同时为了消除由于果实大小和生长角度对识别的影响,以自然环境下的果园苹果作为识别对象,采用模板匹配方法,计算目标图与模板图的归一化互相关系数矩阵,通过在空域对模板图像做尺度变换和角度... 为了实现果蔬收获机器人的果实识别和定位,同时为了消除由于果实大小和生长角度对识别的影响,以自然环境下的果园苹果作为识别对象,采用模板匹配方法,计算目标图与模板图的归一化互相关系数矩阵,通过在空域对模板图像做尺度变换和角度旋转进而对目标图像进行模板匹配,实现对果园苹果的果实识别。实验结果表明,该模板匹配算法能有效识别自然环境下的苹果果实,可以用于机器人视觉系统的识别任务。 展开更多

关键词 果实识别 模板匹配 归一化互相关系数 尺度变换 角度旋转

在线阅读 下载PDF 职称材料

基于改进YOLOv3的果园复杂环境下苹果果实识别 被引量：40

18

作者 赵辉 乔艳军 +1 位作者 王红君 岳有军 《农业工程学报》 EI CAS CSCD 北大核心 2021年第16期127-135,共9页

为使采摘机器人能够全天候在不同光照、重叠遮挡、大视场等果园复杂环境下对不同成熟度的果实进行快速、准确识别,该研究提出了一种基于改进YOLOv3的果实识别方法。首先,将DarkNet53网络中的残差模块与CSPNet(Cross Stage Paritial Netw... 为使采摘机器人能够全天候在不同光照、重叠遮挡、大视场等果园复杂环境下对不同成熟度的果实进行快速、准确识别,该研究提出了一种基于改进YOLOv3的果实识别方法。首先,将DarkNet53网络中的残差模块与CSPNet(Cross Stage Paritial Network)结合,在保持检测精度的同时降低网络的计算量;其次,在原始YOLOv3模型的检测网络中加入SPP(Spatial Pyramid Pooling)模块,将果实的全局和局部特征进行融合,提高对极小果实目标的召回率;同时,采用Soft NMS(Soft Non-Maximum Suppression)算法代替传统NMS(Non-Maximum Suppression)算法,增强对重叠遮挡果实的识别能力;最后,采用基于Focal Loss和CIoU Loss的联合损失函数对模型进行优化,提高识别精度。以苹果为例进行的试验结果表明:经过数据集训练之后的改进模型,在测试集下的MAP(Mean Average Precision)值达到96.3%,较原模型提高了3.8个百分点;F1值达到91.8%,较原模型提高了3.8个百分点;在GPU下的平均检测速度达到27.8帧/s,较原模型提高了5.6帧/s。与Faster RCNN、RetinaNet等几种目前先进的检测方法进行比较并在不同数目、不同光照情况下的对比试验结果表明,该方法具有优异的检测精度及良好的鲁棒性和实时性,对解决复杂环境下果实的精准识别问题具有重要参考价值。 展开更多

关键词 收获机 目标检测 图像处理 果实识别 YOLOv3 复杂环境

在线阅读 下载PDF 职称材料

基于点云配准的盆栽金桔果实识别与计数方法 被引量：12

19

作者 朱启兵 张梦 +2 位作者 刘振方 黄敏 李学成 《农业机械学报》 EI CAS CSCD 北大核心 2022年第5期209-216,共8页

为解决整株盆栽金桔果实识别及总体计数问题,提出了基于三维点云配准的金桔果实识别方法。首先,使用RGB-D相机采集植物多角度点云数据并进行背景去除和去噪处理。然后采用随机采样一致性(Random sample consensus,RANSAC)算法进行圆柱... 为解决整株盆栽金桔果实识别及总体计数问题,提出了基于三维点云配准的金桔果实识别方法。首先,使用RGB-D相机采集植物多角度点云数据并进行背景去除和去噪处理。然后采用随机采样一致性(Random sample consensus,RANSAC)算法进行圆柱拟合获得旋转中心轴参数,将点云绕中心轴旋转固定角度完成初配准,之后采用点到面的迭代最近点(Iterative closest point,ICP)算法完成精配准得到完整点云。最后,对点云进行欧氏聚类分割,采用随机采样一致性算法对聚类后点云进行球形分割,获得每个果实的三维空间位置并计数。本研究对9株盆栽金桔(共149个果实)进行识别,总计识别查全率为85.91%,查准率为79.01%,F1值为82.32%,果实数量预测值和真实值的决定系数为0.97,平均绝对百分比误差为16.02%。实验结果表明,本文方法不依赖颜色信息,能够有效识别整株植物中未成熟的青色果实,可为果实识别与产量估计等研究提供参考。 展开更多

关键词 盆栽金桔 果实识别 点云配准 点云分割 RGB-D相机

在线阅读 下载PDF 职称材料

基于边缘计算的柑橘果实识别系统的设计 被引量：8

20

作者 黄河清 胡嘉沛 +2 位作者 李震 魏志威 吕石磊 《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2021年第6期727-732,共6页

针对当前柑橘果实目标检测模型多数需在服务器上运行,难以直接在果园部署且识别实时性较差等问题,设计了基于边缘计算设备的便携式柑橘果实识别系统。该系统由优化的目标检测模型和嵌入式智能平台组成;通过扩展YOLOv4-Tiny目标检测算法... 针对当前柑橘果实目标检测模型多数需在服务器上运行,难以直接在果园部署且识别实时性较差等问题,设计了基于边缘计算设备的便携式柑橘果实识别系统。该系统由优化的目标检测模型和嵌入式智能平台组成;通过扩展YOLOv4-Tiny目标检测算法,将所有批量归一化层合并到卷积层,加快模型前向推理速度;采用多尺度结构并使用K-means聚类方法获得柑橘数据集的先验框大小,使网络模型对柑橘果实识别具有更强的鲁棒性;使用GIOU距离度量损失函数,使网络模型更加关注柑橘图像中重叠遮挡的区域。将改进算法部署到嵌入式平台Jetson nano,试验结果表明,识别系统对柑橘果实的识别平均准确率达93.01%,单幅图片的推断时间约为150 ms,对视频的识别速率为16帧/s。 展开更多

关键词 柑橘 果实识别系统 边缘计算

在线阅读 下载PDF 职称材料