未成熟芒果的自動(dòng)目標(biāo)檢測(cè)是實(shí)現(xiàn)智能噴施、生長(zhǎng)態(tài)勢(shì)監(jiān)測(cè)和早期產(chǎn)量估計(jì)等芒果種植管理的重要前提。計(jì)算機(jī)視覺(jué)技術(shù)為水果目標(biāo)檢測(cè)提供了有效、便捷的方法,成為國(guó)內(nèi)外主流的檢測(cè)技術(shù)手段。在果園場(chǎng)景下,由于光照的多樣性、背景的復(fù)雜性及芒果與樹葉顏色的高度相似性,特別是樹葉和枝干對(duì)果實(shí)的遮擋及果實(shí)相互重疊,給未成熟芒果檢測(cè)帶來(lái)極大的挑戰(zhàn)。深度卷積神經(jīng)網(wǎng)絡(luò)通過(guò)深層卷積,可提取比傳統(tǒng)手工設(shè)計(jì)特征更加豐富、抽象的卷積特征,具有更加精確、快速的目標(biāo)檢測(cè)能力,近年來(lái)受到極為廣泛的關(guān)注。因此,本文基于區(qū)域生成、回歸兩類深度學(xué)習(xí)目標(biāo)檢測(cè)方法,研究果園場(chǎng)景下未成熟芒果的目標(biāo)檢測(cè),并設(shè)計(jì)芒果檢測(cè)視覺(jué)系統(tǒng),實(shí)現(xiàn)了果園場(chǎng)景下的果實(shí)高精度、快速檢測(cè)。主要研究工作與創(chuàng)新如下:（1）芒果圖像數(shù)據(jù)集的建立。通過(guò)果園實(shí)地采集芒果圖像與人工標(biāo)注,建立芒果圖像數(shù)據(jù)集。為降低自然場(chǎng)景圖像受光照的影響,在HSI色彩模型中使用自適應(yīng)直方圖均衡化方法提高圖像質(zhì)量、提升圖像多樣性。針對(duì)自然場(chǎng)景下芒果易被遮擋或相互重疊等情形,提出用訓(xùn)練樣本目標(biāo)前景區(qū)域標(biāo)注加強(qiáng)芒果前景區(qū)域卷積特征學(xué)習(xí)的方法,減少深度卷積網(wǎng)絡(luò)訓(xùn)練過(guò)程中對(duì)非目標(biāo)特征的提取。為進(jìn)一步擴(kuò)大... 

【文章來(lái)源】：華南農(nóng)業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：76 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

HOG特征提取

圖 2.4 兩層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)（未考慮偏置） 90 年代，LeCun 等人（1998）發(fā)表論文，確立并完善了nal Neural Network，CNN）結(jié)構(gòu)。他們提出的手寫字體識(shí)期經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。2006 年，Hinton（2006）在表論文，首次提出“深度置信網(wǎng)絡(luò)”（DeepBeliefNetwork就此嶄露頭角。2012 年的 ImageNet 大規(guī)模視覺(jué)識(shí)別挑戰(zhàn)Alex Krizhevsky 設(shè)計(jì)了多層的卷積神經(jīng)網(wǎng)絡(luò)，并用包含一集進(jìn)行模型訓(xùn)練，以高出第二名約 11 個(gè)百分點(diǎn)的成績(jī)奪絡(luò)，就是著名的 AlexNet。自此，有關(guān)深度卷積神經(jīng)網(wǎng)絡(luò)圖像識(shí)別、語(yǔ)音識(shí)別等眾多領(lǐng)域取得了突破性成績(jī)。ZFN ResNet 等均是近幾年來(lái)眾多卷積神經(jīng)網(wǎng)絡(luò)中的經(jīng)典網(wǎng)絡(luò)。特點(diǎn)

圖 2.5 卷積運(yùn)算示例（2）池化層池化層（Pooling Layer）又稱下采樣層，其功能為對(duì)該層輸入進(jìn)行下采樣操作，主要作用是減小特征圖尺寸，簡(jiǎn)化網(wǎng)絡(luò)計(jì)算復(fù)雜度。通過(guò)稀疏特征圖，網(wǎng)絡(luò)模型不僅可以提取更主要的特征，還可以降低由輸入的輕微位移、形變等造成的干擾，避免訓(xùn)練過(guò)擬合。常用的池化層類型有最大池化、均值池化、高斯池化等。圖 2.6 所示為最大池化的實(shí)現(xiàn)過(guò)程。

【參考文獻(xiàn)】：
期刊論文
[1]基于卷積神經(jīng)網(wǎng)絡(luò)的田間多簇獼猴桃圖像識(shí)別方法[J]. 傅隆生,馮亞利,Elkamil Tola,劉智豪,李瑞,崔永杰.  農(nóng)業(yè)工程學(xué)報(bào). 2018(02)
[2]如何提高芒果種植效率[J]. 施茹萍.  農(nóng)業(yè)與技術(shù). 2017(08)
[3]2015年芒果產(chǎn)業(yè)發(fā)展報(bào)告及形勢(shì)[J]. 徐磊磊.  世界熱帶農(nóng)業(yè)信息. 2016(11)
[4]山地芒果高產(chǎn)優(yōu)質(zhì)種植技術(shù)的思考[J]. 農(nóng)學(xué)明.  南方農(nóng)業(yè). 2016(27)
[5]基于顯著性檢測(cè)與改進(jìn)Hough變換方法識(shí)別未成熟番茄[J]. 馬翠花,張學(xué)平,李育濤,林松,肖德琴,張連寬.  農(nóng)業(yè)工程學(xué)報(bào). 2016(14)
[6]近色背景中樹上綠色蘋果識(shí)別方法[J]. 張春龍,張楫,張俊雄,李偉.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2014(10)
[7]變化光照下樹上柑橘目標(biāo)檢測(cè)與遮擋輪廓恢復(fù)技術(shù)[J]. 盧軍,桑農(nóng).  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2014(04)
[8]基于量子遺傳模糊神經(jīng)網(wǎng)絡(luò)的蘋果果實(shí)識(shí)別[J]. 馬曉丹,劉剛,周薇,馮娟.  農(nóng)業(yè)機(jī)械學(xué)報(bào). 2013(12)
[9]我國(guó)芒果產(chǎn)業(yè)現(xiàn)狀與發(fā)展策略[J]. 李日旺,黃國(guó)弟,蘇美花,周俊岸,陳永森.  南方農(nóng)業(yè)學(xué)報(bào). 2013(05)
[10]基于機(jī)器視覺(jué)自然場(chǎng)景下成熟柑橘識(shí)別[J]. 蔡健榮,周小軍,李玉良,范軍.  農(nóng)業(yè)工程學(xué)報(bào). 2008(01)



本文編號(hào)：2939643