基于实例分割的柑橘花朵识别及花量统计

TP391; 柑橘隔年结果现象严重,花量统计有助于果园的规划管理,并对产量预测有重要意义,但是柑橘单一植株花量巨大,花朵紧凑密集,花期树叶遮挡覆盖,对花量计算造成很大的阻碍.对此该研究提出基于实例分割的柑橘花朵识别与花量统计方法,以花期的柑橘树冠图像为样本进行花朵实例的识别及分割,通过对Mask R-CNN主体卷积部分和掩膜分支部分的优化,实现对复杂结构图像中密集小尺度柑橘花朵目标的高效检测、获取图像中可见花数量.结果显示,该方法花量识别神经网络的平均精度为36.3,花量计算误差为11.9％,对比未优化Mask R-CNN网络在训练和识别的时间效率上均有显著提升.该研究解决了柑橘花量统计难度高...

Full description

Saved in:
Bibliographic Details
Published in农业工程学报 Vol. 36; no. 7; pp. 200 - 207
Main Authors 邓颖, 吴华瑞, 朱华吉
Format Journal Article
LanguageChinese
Published 国家农业信息化工程技术研究中心,北京,100097 01.04.2020
Subjects
算法
实例分割
花朵识别
图像处理
目标检测
残差神经网络
花量计算
Online AccessGet full text
ISSN1002-6819
DOI10.11975/j.issn.1002-6819.2020.07.023

Cover

More Information
Summary:TP391; 柑橘隔年结果现象严重,花量统计有助于果园的规划管理,并对产量预测有重要意义,但是柑橘单一植株花量巨大,花朵紧凑密集,花期树叶遮挡覆盖,对花量计算造成很大的阻碍.对此该研究提出基于实例分割的柑橘花朵识别与花量统计方法,以花期的柑橘树冠图像为样本进行花朵实例的识别及分割,通过对Mask R-CNN主体卷积部分和掩膜分支部分的优化,实现对复杂结构图像中密集小尺度柑橘花朵目标的高效检测、获取图像中可见花数量.结果显示,该方法花量识别神经网络的平均精度为36.3,花量计算误差为11.9％,对比未优化Mask R-CNN网络在训练和识别的时间效率上均有显著提升.该研究解决了柑橘花量统计难度高的问题,有助于柑橘早期测产和落花监测,并为花量控制提供决策依据.
ISSN:1002-6819
DOI:10.11975/j.issn.1002-6819.2020.07.023