灵武长枣图像识别系统的开发

发布时间：2022-10-05 15:25

　　灵武长枣作为鲜食类水果,采摘时间短、工作量大,劳动力往城市的迁移和人口老龄化的加重,导致人工采摘难度极大,亟需智能农林采摘设备代替人工,提高采摘效率。灵武长枣的智能识别是智能化采摘的关键,而图像识别的准确与否是智能识别系统的前提。基于灵武长枣在自然状态下识别的鲁棒性不强、识别准确性不高以及目标定位不精确等现实问题,本文设计了一套灵武长枣图像识别系统,能够高效准确的识别自然条件下的长枣目标,为林果业采收智能装备的研究提供图像识别方面的理论和数据参考。主要采用的研究方法和结论如下:1.建立灵武长枣数据集。在自然条件下,随机拍摄处于成熟季的灵武长枣作为原始数据集,数据集是深度学习的基础,影响网络训练的准确性。共获得预处理后的图像27081张。2.基于更快速的区域卷积神经网络（Faster Region Convolutional Neural Networks,Faster R-CNN）的双损失函数改进。根据经典Faster R-CNN的迁移学习结果,发现所识别的长枣目标无法获得满意的准确性和处理时间,因此首先提出了一种改进的单一损失函数Faster R-CNN模型,通过较小维度的网络深度和... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 课题研究的背景和意义
    1.2 国内外研究现状
    1.3 研究内容及技术路线
第二章 建立数据集和单一损失函数Faster R-CNN模型
    2.1 建立数据集
    2.2 Faster R-CNN模型
    2.3 经典Faster R-CNN的原理与迁移学习
    2.4 单一损失函数Faster R-CNN模型
    2.5 本章小结
第三章 双损失函数Faster R-CNN模型
    3.1 问题与分析
    3.2 A-softmax loss和L-softmax loss
    3.3 双损失函数Faster R-CNN模型结构
    3.4 双损失函数Faster R-CNN实验
    3.5 评价标准
    3.6 本章小结
第四章 图像识别系统
    4.1 图像识别系统硬件配置
    4.2 图像识别系统软件设计
    4.3 图像识别系统测试
    4.4 本章小结
第五章 总结与展望
    5.1 全文总结与创新点
    5.2 展望
参考文献
致谢
个人简历


【参考文献】：
期刊论文
[1]深度神经网络中激活函数的研究[J]. 牟晋娟.  电脑编程技巧与维护. 2019(12)
[2]基于几何特征的灵武长枣图像分割算法[J]. 赵琛,王昱潭,朱超伟.  计算机工程与应用. 2019(15)
[3]基于Faster R-CNN的田间西兰花幼苗图像检测方法[J]. 孙哲,张春龙,葛鲁镇,张铭,李伟,谭豫之.  农业机械学报. 2019(07)
[4]基于迁移学习的卷积神经网络植物叶片图像识别方法[J]. 郑一力,张露.  农业机械学报. 2018(S1)
[5]果园机械化技术应用现状与发展趋势[J]. 郑树娜.  南方农机. 2018(14)
[6]基于卷积神经网络的田间多簇猕猴桃图像识别方法[J]. 傅隆生,冯亚利,Elkamil Tola,刘智豪,李瑞,崔永杰.  农业工程学报. 2018(02)
[7]基于Fast R-CNN的车辆目标检测[J]. 曹诗雨,刘跃虎,李辛昭.  中国图象图形学报. 2017(05)
[8]灵武市长枣生产现状及对策[J]. 张振荣,谢志强,夏湛河,杨勇.  现代农业科技. 2015(01)
[9]果园采摘机械的现状及发展趋势[J]. 蓝峰,苏子昊,黎子明,谢舒.  农机化研究. 2010(11)
[10]果蔬采摘机器人研究进展与展望[J]. 宋健,张铁中,徐丽明,汤修映.  农业机械学报. 2006(05)

博士论文
[1]基于机器视觉的灵武长枣定位与成熟度判别方法研究[D]. 王昱潭.北京林业大学 2014



本文编号：3686029