基于改进Faster R-CNN的马铃薯发芽与表面损伤检测方法

作     者：刘毅君 何亚凯 吴晓媚 王文杰 张丽娜 吕黄珍 LIU Yijun;HE Yakai;WU Xiaomei;WANG Wenjie;ZHANG Li'na;LÜHuangzhen

作者机构：中国农业机械化科学研究院集团有限公司北京100083 农业装备技术全国重点实验室北京100083 中国包装和食品机械有限公司北京100083 农业农村部农产品加工装备重点实验室北京100083 

基　　金：国家马铃薯产业技术体系项目(CARS-10-P28) 国有资本金项目(GZ202007) 农业农村部农产品产地初加工重点实验室开放项目(KLAPPP2022-01) 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2024年第55卷第1期

页      码：371-378页

摘      要：发芽与表面损伤检测是鲜食马铃薯商品化的重要环节。针对鲜食马铃薯高通量分级分选过程中,高像素图像目标识别准确率低的问题,提出一种基于改进Faster R-CNN的商品马铃薯发芽与表面损伤检测方法。以Faster R-CNN为基础网络,将Faster R-CNN中的特征提取网络替换为残差网络ResNet50,设计了一种融合ResNet50的特征图金字塔网络(FPN),增加神经网络深度。采用模型对比试验、消融试验对本文模型与改进策略的有效性进行了试验验证分析,结果表明:改进模型的马铃薯检测平均精确率为98.89%,马铃薯发芽检测平均精确率为97.52%,马铃薯表面损伤检测平均精确率为92.94%,与Faster R-CNN模型相比,改进模型在检测识别时间和内存占用量不增加的前提下,马铃薯检测精确率下降0.04个百分点,马铃薯发芽检测平均精确率提升7.79个百分点,马铃薯表面损伤检测平均精确率提升34.54个百分点。改进后的模型可以实现对在高分辨率工业相机采集高像素图像条件下,商品马铃薯发芽与表面损伤的准确识别,为商品马铃薯快速分级分等工业化生产提供了方法支撑。

主 题 词：马铃薯 发芽 表面损伤 Faster R-CNN 高分辨率 

学科分类：09[农学] 0901[农学-植物生产类] 

核心收录：

D　O　I：10.6041/j.issn.1000-1298.2024.01.035

馆 藏 号：203125851...