典型文献
基于改进Mask R-CNN模型的工厂化养蚕蚕体识别与计数
文献摘要：
精准饲喂是全龄人工饲料工厂化养蚕节本增效的核心技术之一,家蚕自动化识别与计数是实现精准饲喂的关键环节.本研究基于机器视觉系统获取工厂化养蚕过程中蚕在4龄和5龄期的数字图像,利用改进深度学习模型Mask R-CNN检测蚕体和残余饲料.通过在Mask R-CNN模型框架中加入像素重加权策略和边界框细调策略,从噪声数据中训练一个鲁棒性更好的目标检测模型,实现模型性能的优化,提高对蚕体和饲料边界的检测和分割能力.改进Mask R-CNN模型对蚕的检测和分割交并比阈值为0.5时的平均精度(Average Precision at IoU=0.5,AP50)分别为0.790和0.795,识别准确率为96.83％;对残余饲料的检测和分割AP50分别为0.641和0.653,识别准确率为87.71％.模型部署在NVIDIA Jetson AGX Xavier开发板上,单张图像平均检测时间为1.32 s,最长检测时间为2.05 s,运算速度可以满足养蚕盒单元在生产线上移动实时检测的要求.该研究为工厂化养蚕精准饲喂信息系统和投喂装置的研发提供了核心算法,可提高人工饲料的利用率,提升工厂化养蚕生产管理水平.
文献关键词：
家蚕;人工饲料;精准饲喂;机器视觉;深度学习;mask R-CNN;噪声数据
中图分类号：
作者姓名：
何锐敏;郑可锋;尉钦洋;张小斌;张俊;朱怡航;赵懿滢;顾清
作者机构：
嵊州陌桑高科股份有限公司,浙江绍兴312400;浙江省农业科学院数字农业研究所,浙江杭州310021
文献出处：
引用格式：
[1]何锐敏;郑可锋;尉钦洋;张小斌;张俊;朱怡航;赵懿滢;顾清-.基于改进Mask R-CNN模型的工厂化养蚕蚕体识别与计数)[J].智慧农业（中英文）,2022(02):163-173
A类：
重加权策略
B类：
Mask,工厂化,养蚕,精准饲喂,人工饲料,节本增效,家蚕,自动化识别,机器视觉系统,龄期,数字图像,进深,深度学习模型,模型框架,像素,边界框,噪声数据,目标检测模型,模型性能,交并比,Average,Precision,at,IoU,AP50,识别准确率,模型部署,NVIDIA,Jetson,AGX,Xavier,开发板,单张,检测时间,生产线,上移,实时检测,投喂,核心算法,生产管理水平,mask
AB值：
0.389341
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
