基于深度卷积神经网络的番茄主要器官分类识别方法

作     者：周云成 许童羽 郑伟 邓寒冰 Zhou Yuncheng

作者机构：沈阳农业大学信息与电气工程学院沈阳100866 

出 版 物：《农业工程学报》 (Transactions of the Chinese Society of Agricultural Engineering)

年 卷 期：2017年第33卷第15期

页      面：219-226页

核心收录：

学科分类：0710[理学-生物学] 08[工学] 081104[工学-模式识别与智能系统] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0801[工学-力学（可授工学、理学学位）] 

基　　金：辽宁省科学事业公益研究基金(2016004001) 国家自然科学基金(31601218) 

主　　题：目标识别 图像处理 像素 番茄器官 深度卷积神经网络 数据增广 深度学习 

摘      要：为实现番茄不同器官的快速、准确检测,提出一种基于深度卷积神经网络的番茄主要器官分类识别方法。在VGGNet基础上,通过结构优化调整,构建了10种番茄器官分类网络模型,在番茄器官图像数据集上,应用多种数据增广技术对网络进行训练,测试结果表明各网络的分类错误率均低于6.392%。综合考虑分类性能和速度,优选出一种8层网络用于番茄主要器官特征提取与表达。用筛选出的8层网络作为基本结构,设计了一种番茄主要器官检测器,结合Selective Search算法生成番茄器官候选检测区域。通过对番茄植株图像进行检测识别,试验结果表明,该检测器对果、花、茎的检测平均精度分别为81.64%、84.48%和53.94%,能够同时对不同成熟度的果和不同花龄的花进行有效识别,且在检测速度和精度上优于R-CNN和Fast R-CNN。