文献类型：期刊文章

作　　者：高芳芳[1] 武振超[1] 索睿[1] 周忠贤[1] 李瑞[2] 傅隆生[1,3,4] 张昭[5]

Gao Fangfang;Wu Zhenchao;Suo Rui;Zhou Zhongxian;Li Rui;Fu Longsheng;Zhang Zhao(College of Mechanical and Electronic Engineering,Northwest A&F University,Yangling 712100,China;Suide County Lanhuahua Ecological Food Co.,Ltd.,Suide 718000,China;Key Laboratory of Agricultural Internet of Things,Ministry of Agriculture and Rural Affairs,Yangling 712100,China;Shaanxi Key Laboratory of Agricultural Information Perception and Intelligent Service,Yangling 712100,China;Department of Agricultural and Biosystems Engineering,North Dakota State University,Fargo 58102,U.S.A.)

机构地区：[1]西北农林科技大学机械与电子工程学院,杨凌712100 [2]绥德县兰花花生态食品有限责任公司,绥德718000 [3]农业农村部农业物联网重点实验室,杨凌712100 [4]陕西省农业信息感知与智能服务重点实验室,杨陵712100 [5]北达科他州立大学农业与生物系统工程系,美国法戈58102

出　　处：《农业工程学报》

基　　金：国家自然科学基金(32171897);陕西省创新人才推进计划-青年科技新星项目(2021KJXX-94);中国博士后科学基金资助项目(2019M663832);中国科学技术部国家外国专家局高端外国专家引进计划(G20200027075)。

年　　份：2021

卷　　号：37

期　　号：21

起止页码：217-224

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：基于机器视觉技术自动检测苹果树上的果实并进行计数是实现果园产量测量和智慧果园生产管理的关键。该研究基于现代种植模式下的富士苹果视频,提出基于轻量级目标检测网络YOLOv4-tiny和卡尔曼滤波跟踪算法的苹果检测与视频计数方法。使用YOLOv4-tiny检测视频中的苹果,对检测到的果实采用卡尔曼滤波算法进行预测跟踪,基于欧氏距离和重叠度匹配改进匈牙利算法对跟踪目标进行最优匹配。分别对算法的检测性能、跟踪性能和计数效果进行试验,结果表明:YOLOv4-tiny模型的平均检测精度达到94.47%,在果园视频中的检测准确度达到96.15%;基于改进的计数算法分别达到69.14%和75.60%的多目标跟踪准确度和精度,较改进前算法分别提高了26.86和20.78个百分点;改进后算法的平均计数精度达到81.94%。该研究方法可有效帮助果农掌握园中苹果数量,为现代化苹果园的测产研究提供技术参考,为果园的智慧管理提供科学决策依据。

关 键 词：视频计数  YOLOv4-tiny  卡尔曼滤波器  匈牙利算法  果实匹配  

分 类 号：TP391.41]