基于改进Faster R-CNN的马铃薯芽眼识别方法

摘要：

为提高对马铃薯芽眼的识别效果,提出一种基于改进Faster R-CNN的马铃薯芽眼识别方法.对Faster R-CNN中的非极大值抑制(Non-maximum suppression,NMS)算法进行优化,对与M交并比(Intersection over union,IOU)大于等于Nt的相邻检测框,利用高斯降权函数对其置信度进行衰减,通过判别参数对衰减后的置信度作进一步判断;在训练过程中加入采用优化NMS算法的在线难例挖掘(Online hard example mining,OHEM)技术,对马铃薯芽眼进行识别试验.试验结果表明:改进的模型识别精度为96.32％,召回率为90.85％,F1为93.51％,平均单幅图像的识别时间为0.183s.与原始的Faster R-CNN模型相比,改进的模型在不增加运行时间的前提下,精度、召回率、F1分别提升了4.65、6.76、5.79个百分点.改进Faster R-CNN模型能够实现马铃薯芽眼的有效识别,满足实时处理的要求,可为种薯自动切块中的芽眼识别提供参考.

关键词：马铃薯芽眼、自动切块、Faster R-CNN、非极大值抑制、高斯降权、在线难例挖掘

所属期刊栏目：51

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家重点研发计划项目;山东省自然科学基金项目

在线出版日期：2020-05-21（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：216-223