新疆大学学报(自然科学版)(中英文)

2019, v.36;No.156(04) 461-467

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于迁移学习的自然环境下香梨目标识别研究
Research on Fragrant Pear Target Recognition in Natural Environment Based on Transfer Learning

孟欣欣;阿里甫·库尔班;吕情深;周雷;

摘要(Abstract):

为了准确识别自然成熟的香梨果实,使得采摘机能对水果目标进行精确的定位,提出了使用目标检测深度学习网络模型的方法.该模型基于Mask R-CNN,首先通过在Kaggle数据集以及网上爬取并筛选出的9 600张水果图片对Resnet网络进行初步训练,然后在预训练过的Resnet网络基础上加入掩模分支和分类分支训练自然环境下成熟香梨的数据集,最终获得准确识别香梨目标的网络模型.实验结果表明,在同等目标未添加噪声的情况下,在使用水果图片数据集预训练的基础上,图片的平均分割精度为98.02%,这与使用COCO数据集进行预训练相比(精度为93.72%),平均分割精度增加了4.30%.此外,该模型对于被遮挡水果也有着不错的识别效果,在未添加噪声的情况下,被遮挡水果的平均分割精度为95.28%,这与未被遮挡水果的分割精度相比,误差仅增加了2.74%.所以,此模型对于香梨的识别和分割具有很好的鲁棒性.

关键词(KeyWords): Mask R-CNN;迁移学习;实例分割;香梨;目标识别

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金资助项目(61562084)

作者(Author): 孟欣欣;阿里甫·库尔班;吕情深;周雷;

Email:

DOI: 10.13568/j.cnki.651094.2019.04.014

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享