典型文献
基于Anchor-free网络结构的草菇生长状态检测
文献摘要：
为检测工厂化栽培草菇(Volvariella volvacea)的生长状态,采集不同栽培模式、不同生长时期草菇、异常草菇以及栽培料杂菌感染等各种图像作为原始图像数据集,采用Anchor-free网络结构构建检测算法模型,将收集的895幅草菇原始图像分为生长期、成熟期、开伞期草菇,杂菌感染草菇和肚脐菇以及鬼伞和栽培料表面感染7种类型,借助labellmg工具按照不同类型在草菇原始图像数据集的每一幅图像上进行人工标记,测试标记的草菇原始数据集并观察学习训练得到的模型性能,将测试结果与人工标记的结果进行对比,有针对性地完善模型精度,再通过添加在线难例挖掘、可变形卷积、改进模型损失函数、增加模型感受野、增加训练样本的丰富性模块优化模型,将不同类型的图像输入训练好的网络模型中检验效果,分别在打开光源和关闭光源的菇房中拍照,并输入模型检测光照对模型效果的影响.结果表明:最终模型的平均精确率(mean average precision,mAP)达到83.7,可以输出编号、当前坐标、类型、颜色RGB均值、草菇相对宽度和高度,能够准确检测处于生长期、成熟期、开伞期草菇和受杂菌感染草菇和肚脐菇以及鬼伞和栽培料表面感染情况.
文献关键词：
草菇;机器视觉;生长状态;深度学习
中图分类号：
作者姓名：
查磊;仝宗军;邵帅;李正鹏;余昌霞;杨焕玲;郭倩
作者机构：
上海市农业科学院食用菌研究所,农业农村部南方食用菌资源利用重点实验室,国家食用菌工程技术研究中心,国家食用菌加工技术研发中心,上海市农业遗传育种重点实验室,上海201403;合肥皓瀚智能科技有限公司,安徽合肥230000
文献出处：
引用格式：
[1]查磊;仝宗军;邵帅;李正鹏;余昌霞;杨焕玲;郭倩-.基于Anchor-free网络结构的草菇生长状态检测)[J].食用菌学报,2022(02):31-38
A类：
labellmg
B类：
Anchor,free,草菇,生长状态,状态检测,工厂化栽培,Volvariella,volvacea,不同栽培模式,生长时期,栽培料,杂菌,原始图像,图像数据集,检测算法,算法模型,生长期,成熟期,肚脐,一幅,人工标记,原始数据,观察学习,学习训练,练得,模型性能,模型精度,加在,在线难例挖掘,可变形卷积,改进模型,损失函数,感受野,加训,训练样本,丰富性,练好,检验效果,开光,光源,菇房,房中,拍照,模型检测,测光,终模型,精确率,mean,average,precision,mAP,编号,RGB,感染情况,机器视觉
AB值：
0.435545
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。
