全生长期树上苹果识别与生长参数远程检测方法研究

发布时间：2024-03-07 01:32

　　在苹果生长发育过程中,及时获得果实的生长参数对于研究果实的生长规律及指导果农进行科学管理具有重要意义。传统的苹果果实生长参数主要靠人工测量获得,具有耗时耗力、成本高等缺点。计算机视觉技术可以很好地弥补人工测量的不足,为实现树上苹果智能化生长参数检测提供技术支持。然而,由于苹果生长的自然环境比较复杂,且果实在整个生长过程中存在由小到大、由绿变红的过程,使得精准、自动地识别树上果实并检测果实大小信息较为困难。为解决上述问题,在国内外研究成果的基础上,利用数字图像处理技术、模式识别及机器学习等相关农业信息技术和方法,对疏果前苹果目标的识别、不依赖于颜色特征的苹果图像的分割、苹果轮廓的检测及苹果横径生长远程检测开展了系统的研究。论文的主要研究内容及结论如下:(1)提出基于区域的全卷积网络(R-FCN)的疏果前苹果目标识别方法。针对疏果前苹果目标较小,且颜色与背景叶片极其相似而难以识别的问题,在研究基于ResNet-50和ResNet-101的R-FCN结构及识别结果的基础上,改进设计了基于ResNet-44的R-FCN,以提高苹果的识别精度并简化网络。该网络模型主要由ResNet-44全卷积网...

【文章页数】：141 页

【学位级别】：博士

【部分图文】：

图1-1苹果识别流程图（Zhou等(2012)）

?卣鞒１挥糜诠?档氖?别与分割。Bulanon和Kataoka(2010)利用图像的颜色特征系数r=R/(R+G+B)和g=G/(R+G+B)作为特征空间（R、G和B分别为RGB图像中的红色、绿色和蓝色分量），并利用决策理论方法推导出2个决策函数，从而将苹果从特征空间中分割出来。....

图1-2CNN的基本结构(Guo等2016)

第一章绪论9考虑了相邻像素，因此具有平移不变性，常用的池化操作为平均池化和最大池化。全连接层连接CNN中最后一个池化层，其功能是将神经网络前馈到一个具有特定长度的向量中，它包含了CNN中约90%的参数。图1-2CNN的基本结构(Guo等2016)Fig.1-2Basicarchi....

图1-3CNN的基础模型和衍生模型

第一章绪论9考虑了相邻像素，因此具有平移不变性，常用的池化操作为平均池化和最大池化。全连接层连接CNN中最后一个池化层，其功能是将神经网络前馈到一个具有特定长度的向量中，它包含了CNN中约90%的参数。图1-2CNN的基本结构(Guo等2016)Fig.1-2Basicarchi....

图1-5光照不均及表

该方法能够有效地消除光照变化的影响。钱建平等(2012)提出了基于R/B值（RGB）和V值（HSV）的混合颜色空间成熟苹果目标的识别方法，该算法对于多种不同光照条件下苹果目标的识别成功率均较高。冯娟等(2013)设计了应用于苹果采摘机器人的激光视觉系统，利用该视觉系统扫描果树获得....

本文编号：3921185