文献类型：期刊文章

作　　者：朱立学[1] 伍荣达[1] 付根平[2] 张世昂[1] 杨尘宇[1] 陈天赐[1] 黄沛琛[2]

Zhu Lixue;Wu Rongda;Fu Genping;Zhang Shiang;Yang Chenyu;Chen Tianci;Huang Peichen(School of Electro Mechanical Engineering,Zhongkai University of Agriculture and Engineering,Guangzhou 510225,China;School of Automation,Zhongkai University of Agriculture and Engineering,Guangzhou 510225,China)

机构地区：[1]仲恺农业工程学院机电工程学院,广州510225 [2]仲恺农业工程学院自动化学院,广州510225

出　　处：《农业工程学报》

基　　金：岭南现代农业实验室科研项目(NZ2021038);广东省重点领域科技研发计划项目(2019B020223003);广东省现代农业产业技术体系创新团队项目(粤农农函[2019]1019号);2022年度广州市基础研究计划基础与应用基础研究项目(202201011691)。

年　　份：2022

卷　　号：38

期　　号：13

起止页码：194-201

语　　种：中文

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

摘　　要：针对香蕉果串识别系统中传统的UNet网络存在实时性差、参数量多、下采样后丢失空间信息等问题,该研究提出基于UNet模型的轻量化分割网络,构造一个轻量级的主干特征提取模块,在降低模型参数量和计算量的同时增强网络提取特征的能力,使用膨胀率为[2,1,2]锯齿波形的多尺度串联空洞卷积组合在增大感受野的同时保持对细节的敏感度。该研究算法在自建香蕉果串数据集上的试验结果表明,网络参数量为0.45 M时,香蕉果串识别分割速度可达41.0帧/s,平均像素分类准确率为97.32%、交并比为92.57%。相比于其他模型具有准确率高、参数量小等优点,能够较好地实现精度和速度的均衡。该算法对自然种植环境下的香蕉果串具有良好的识别效果,可为智能化香蕉采摘等应用提供视觉识别技术支持。

关 键 词：轻量化Unet  语义分割  多尺度串联空洞卷积  香蕉识别  

分 类 号：TP391.4]