基于改进SSD轻量化神经网络的番茄疏花疏果农事识别方法
陈新1
伍萍辉2
祖绍颖3
徐丹4
张云鹤5
董静5
1.北京农业智能装备技术研究中心 北京 100097;河北工业大学电子信息工程学院 天津 3004012.河北工业大学电子信息工程学院 天津 3004013.天津农机化技术试验服务中心 天津 3016164.北京极星农业有限公司 北京 1015005.北京农业智能装备技术研究中心 北京 100097
摘要：设施番茄疏花疏果工作多依赖于人工,针对人工逐一判断、工作量大、移动设备实时性要求高等问题,通过卷积神经网络进行番茄部分生长参数识别,并结合农事操作经验进行应用讨论.在卷积神经网络SSD算法中引入轻量化模块MobileNetV3,提出了基于SSD-MobileNetV3模型的番茄花和果实的识别分析方法.与传统方法相比,一定程度上克服了重叠及遮挡、光照条件变化、亮度不均等干扰因素的影响.在串开花数、串结果数等生长参数识别基础上,结合疏花疏果工作进行讨论.结果表明,试验模型对于设施环境下常见干扰因素具有良好的实时性和鲁棒性,与SSD算法相比,花果平均识别率为92.57％,提高了7.9％,识别速度为0.079 s,提升了约4倍,识别率和识别速度明显提高,计算参数减少,基本满足应用要求.
关键词：番茄设施栽培生长监测疏花疏果轻量化神经网络图像识别
分类号：S641.2(园艺)
资助基金：北京市新世纪百千万人才工程培养项目(2018A33)重庆市渝北区科技计划(2020-30)北京市农林科学院创新能力建设专项(KJCX20200533)
论文发表日期：2021-09-05
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 38-44 )
英文信息