典型文献
采用改进U-Net网络的机收大豆质量在线检测
文献摘要：
破碎率、含杂率是评价大豆联合收获机的重要作业性能指标,破碎率、含杂率实时数据是实现大豆联合收获机智能化调控的基础.为了实现大豆机械收获过程破碎率、含杂率的在线检测,该研究提出了基于改进U-Net网络的机收大豆破碎率、含杂率在线检测方法.以大豆联合收获机实时收获的大豆图像为对象,使用开源标注软件Labemel对数据集进行标注,构建基础数据集.针对大豆图像粘连、堆叠、语义信息复杂等问题,以U-Net为基础网络结构,结合VGG16网络并在各激活层(Rectified Linear Unit,ReLu)前引入批归一化层(Batch Normalization,BN)防止过拟合;在编码器中提取的特征图后面添加卷积块注意力模块(Convolutional Block Attention Module,CBAM)抑制无关区域的激活,减少冗余部分;采用最近邻插值法的上采样替换解码器中转置卷积,避免转置卷积引起的棋盘效应.试验结果表明:改进U-Net网络能有效地将图像中完整大豆籽粒、破碎籽粒和杂质进行识别分类,完整籽粒识别分类综合评价指标值为95.50％,破碎籽粒识别分类综合评价指标值为91.88％,杂质识别分类综合评价指标值为94.35％,平均交并比为86.83％.应用所设计的大豆籽粒破碎率和含杂率在线检测装置开展台架和田间试验.台架试验结果表明,本文方法的检测结果与人工检测结果的破碎率均值绝对误差为0.13个百分点,含杂率均值绝对误差为0.25个百分点;田间试验表明,本文方法检测结果与人工检测结果的破碎率均值绝对误差为0.18个百分点,含杂率均值绝对误差为0.10个百分点.所提检测方法能够准确在线估算机收大豆的破碎率和含杂率,可为大豆联合收获作业质量在线检测提供技术支持.
文献关键词：
联合收获机;图像分割;大豆;U-Net网络;识别分类;破碎率;含杂率
中图分类号：
作者姓名：
金诚谦;刘士坤;陈满;杨腾祥;徐金山
作者机构：
农业农村部南京农业机械化研究所,南京 210014;安徽农业大学工学院,合肥 230036
文献出处：
引用格式：
[1]金诚谦;刘士坤;陈满;杨腾祥;徐金山-.采用改进U-Net网络的机收大豆质量在线检测)[J].农业工程学报,2022(16):70-80
A类：
Labemel,Rectified,棋盘效应,杂质识别
B类：
Net,机收,大豆,质量在线检测,破碎率,含杂率,联合收获机,作业性能,实时数据,机智,智能化调控,机械收获,开源,构建基础,粘连,堆叠,语义信息,VGG16,Linear,Unit,ReLu,批归一化层,Batch,Normalization,BN,过拟合,在编,编码器,特征图,后面,加卷,卷积块注意力模块,Convolutional,Block,Attention,Module,CBAM,余部,最近邻插值,插值法,上采样,解码器,转置卷积,识别分类,综合评价指标,指标值,平均交并比,籽粒破碎,在线检测装置,展台,和田,田间试验,台架试验,绝对误差,百分点,收获作业,作业质量,图像分割
AB值：
0.301354
相似文献
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。
