文献类型：期刊文章

作　　者：周云成[1] 许童羽[1] 郑伟[1] 邓寒冰[1]

Zhou Yuncheng Xu Tongyu Zheng Wei Deng Hanbing(College of Information and Eleetrical Engineering, Shenyang Agricultural University, Shenyang 100866 China)

机构地区：[1]沈阳农业大学信息与电气工程学院,沈阳100866

出　　处：《农业工程学报》

基　　金：辽宁省科学事业公益研究基金(2016004001);国家自然科学基金(31601218)

年　　份：2017

卷　　号：33

期　　号：15

起止页码：219-226

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CAB、CAS、CSCD、CSCD2017_2018、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为实现番茄不同器官的快速、准确检测,提出一种基于深度卷积神经网络的番茄主要器官分类识别方法。在VGGNet基础上,通过结构优化调整,构建了10种番茄器官分类网络模型,在番茄器官图像数据集上,应用多种数据增广技术对网络进行训练,测试结果表明各网络的分类错误率均低于6.392%。综合考虑分类性能和速度,优选出一种8层网络用于番茄主要器官特征提取与表达。用筛选出的8层网络作为基本结构,设计了一种番茄主要器官检测器,结合Selective Search算法生成番茄器官候选检测区域。通过对番茄植株图像进行检测识别,试验结果表明,该检测器对果、花、茎的检测平均精度分别为81.64%、84.48%和53.94%,能够同时对不同成熟度的果和不同花龄的花进行有效识别,且在检测速度和精度上优于R-CNN和Fast R-CNN。

关 键 词：目标识别 图像处理 像素 番茄器官  深度卷积神经网络  数据增广  深度学习  

分 类 号：TP183]