典型文献
基于多分辨率特征融合的葡萄尺寸检测
文献摘要：
针对葡萄特征提取不够充分且果粒排列密集相互遮挡难以准确检测的问题,以陕西省鄠邑区户太8号葡萄为研究对象,提出一种基于特征金字塔网络(FPN)特征融合的Faster R-CNN卷积神经网络模型完成复杂背景情况下葡萄果粒的检测与识别.以ResNet50为主干网络,引入金字塔结构,增强网络模型对葡萄果粒不同分辨率特征的提取能力,同时加入GA-RPN网络生成自适应锚框,引入遮挡补偿机制,以解决密集葡萄果粒存在的遮挡问题.模型验证结果表明,本研究提出的模型精度均值(AP)在候选框与原标记框的重叠率(IOU)阈值为50时可达95.9％,对葡萄果粒、果穗的检测准确率分别为95.8％、96.1％,相比于原始Faster R-CNN模型识别性能更优.利用双目视觉算法对葡萄果粒进行尺寸测量,在最佳测量距离(0.6～1.4 m)其相对误差可控制在2％以内.
文献关键词：
葡萄无损检测;多分辨率特征融合;遮挡补偿;机器视觉
中图分类号：
作者姓名：
李颀;杨军
作者机构：
陕西科技大学电子信息与人工智能学院,陕西 西安 710021;陕西科技大学电气与控制工程学院,陕西 西安 710021
文献出处：
引用格式：
[1]李颀;杨军-.基于多分辨率特征融合的葡萄尺寸检测)[J].江苏农业学报,2022(02):394-402
A类：
多分辨率特征融合,葡萄无损检测
B类：
尺寸检测,果粒,鄠邑区,特征金字塔网络,FPN,Faster,卷积神经网络模型,复杂背景,检测与识别,ResNet50,主干网络,金字塔结构,特征的提取,GA,RPN,自适应锚框,遮挡补偿,补偿机制,遮挡问题,模型验证,模型精度,AP,候选框,重叠率,IOU,果穗,检测准确率,模型识别,识别性,双目视觉,视觉算法,尺寸测量,测量距离,误差可控,机器视觉
AB值：
0.381131
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。
