文献类型：期刊文章

作　　者：成伟[1,2] 张文爱[1] 冯青春[2,3,4] 张万豪[1,2]

Cheng Wei;Zhang Wenai;Feng Qingchun;Zhang Wanhao(College of Information and Computer,Taiyuan University of Technology,Jinzhong,030600,China;Beijing Research Center of Intelligent Equipment for Agriculture,Beijing,100097,China;National Research Center of Intelligent Equipment for Agriculture,Beijing,100097,China;Beijing Key Laboratory of Intelligent Equipment Technology for Agriculture,Beijing,100097,China)

机构地区：[1]太原理工大学信息与计算机学院,山西晋中030600 [2]北京农业智能装备技术研究中心,北京市100097 [3]国家农业智能装备工程技术研究中心,北京市100097 [4]农业智能装备技术北京市重点实验室,北京市100097

出　　处：《中国农机化学报》

基　　金：国家重点研发计划项目(2019YFE0125200);国家自然科学基金项目(61703048);北京市农林科学院改革与发展项目(装备中心2020)--典型农业机器人关键技术与设备研发。

年　　份：2021

卷　　号：42

期　　号：4

起止页码：176-182

语　　种：中文

收录情况：BDHX、BDHX2020、RCCSE、核心刊

摘　　要：为实现温室番茄产量智能化在线评估,研究基于改进YOLOv3的温室番茄红果和绿果识别方法,以对自然生长状态下番茄果实进行计数估产。根据工厂化番茄种植工况条件,设计产量估计视觉系统;提出基于广义交并比(GIOU)的位置损失函数,对传统YOLOv3算法损失函数进行改进,其尺度不变特征可有效提高形态各异果实目标的描述精度。在样本图像数据构建和标注基础上,用K-means聚类算法分别获得9个不同规格的先验框,并根据特征图层次等级进行分配。通过模型训练和评价得到最优估产模型的平均精度均值(mAP)为95.7%,单幅图像处理耗时15 ms。现场试验表明,改进的YOLOv3模型对于番茄红果、绿果的估产精度均得到改善,总体估产精度达到96.3%,比传统YOLOv3模型估产精度提高2.7%,并且对于密集和受遮挡果实具有更好的识别效果。该研究结果可以为智能化估产系统研发提供技术支撑。

关 键 词：温室番茄 YOLOv3  目标检测 产量预估  

分 类 号：TP391.4] S24[计算机类]