文献类型：期刊文章

作　　者：李尚平[1] 李向辉[1] 张可[2] 李凯华[1] 袁泓磊[1] 黄宗晓[2]

Li Shangping;Li Xianghui;Zhang Ke;Li Kaihua;Yuan Honglei;Huang Zongxiao(School of Information Science and Engineering,Guangxi University for Nationalities,Nanning 530006,China;School of Mechanical Engineering,Guangxi University,Nanning 530004,China)

机构地区：[1]广西民族大学信息科学与工程学院,南宁530006 [2]广西大学机械学院,南宁530004

出　　处：《农业工程学报》

基　　金：广西科技重点研发计划(桂科AB16380199)

年　　份：2019

卷　　号：35

期　　号：23

起止页码：185-191

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、CSCD、CSCD2019_2020、EI、FSTA、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为推广甘蔗预切种良种、良法种植技术,结合甘蔗预切种智能横向切种机的开发,实现甘蔗切种装置对蔗种特征的连续、动态智能识别。该文通过甘蔗切种机黑箱部分内置的摄像机连续、动态采集整根甘蔗表面数据,采用改进的YOLOv3网络,建立智能识别卷积神经网络模型,通过拍摄装置内部的摄像头对输入识别系统的整根甘蔗的茎节图像特征进行实时定位与识别,并比对识别信息,及时更新茎节数据,识别、标记出茎节位置,再经过数据处理得到实时的茎节信息,输送到多刀数控切割台进行实时切割。经过训练及试验测试,结果表明:经过训练及试验测试,模型对茎节的识别的准确率为96.89%,召回率为90.64%,识别平均精度为90.38%,平均识别时间为28.7 ms,与原始网络相比平均精确度提升2.26个百分点,准确率降低0.61个百分点,召回率提高2.33个百分点,识别时间缩短22.8 ms,实现了甘蔗蔗种的连续、实时动态识别,为甘蔗预切种智能横向切种机的开发提供数据基础。

关 键 词：卷积神经网络 机器视觉 模型  YOLOv3网络  甘蔗茎节  识别定位  

分 类 号：TP391.4]