典型文献
基于通道特征金字塔的田间葡萄实时语义分割方法
文献摘要：
复杂环境下葡萄的快速检测识别是智能采摘的关键步骤,为解决目前葡萄识别精度低和实时性差的问题,该研究提出一种轻量级葡萄实时语义分割模型(Grape Real-time Semantic Segmentation Model,GRSM).首先,利用通道特征金字塔(Channel-wise Feature Pyramid,CFP)模块进行特征提取,该模块通过1?3和3?1空洞卷积的跳跃连接,在减少模型参数量的同时提取葡萄图像的多尺度特征和上下文信息;然后,采用池化卷积融合结构完成下采样,增加可训练参数以减少信息损失;最后,利用跳跃连接融合多种特征恢复图像细节.试验结果表明:该研究所提出的模型在田间葡萄测试集上达到了78.8％的平均交并比,平均像素准确率为90.3％,处理速度达到68.56帧/s,网络结构大小仅为4.88 M.该模型具有较高分割识别精度和较好实时性,能满足葡萄采摘机器人对视觉识别系统的要求,为葡萄的智能化采摘提供了理论基础.
文献关键词：
机器视觉;图像识别;语义分割;实时性;葡萄;CFP
中图分类号：
作者姓名：
孙俊;宫东见;姚坤杉;芦兵;戴春霞;武小红
作者机构：
江苏大学电气信息工程学院,镇江 212013
文献出处：
引用格式：
[1]孙俊;宫东见;姚坤杉;芦兵;戴春霞;武小红-.基于通道特征金字塔的田间葡萄实时语义分割方法)[J].农业工程学报,2022(17):150-157
A类：
通道特征金字塔,GRSM
B类：
田间,实时语义分割,分割方法,复杂环境,快速检测,检测识别,智能采摘,关键步骤,解决目前,识别精度,轻量级,分割模型,Grape,Real,Semantic,Segmentation,Model,Channel,wise,Feature,Pyramid,CFP,空洞卷积,跳跃连接,模型参数量,同时提取,多尺度特征,上下文信息,池化,下采样,信息损失,测试集,上达,平均交并比,像素,处理速度,采摘机器人,对视,视觉识别系统,智能化采摘,机器视觉,图像识别
AB值：
0.418922
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。
