【摘要】：靈武長棗是寧夏地區(qū)的特色經(jīng)濟林果,隨著當?shù)亟?jīng)濟的快速發(fā)展,長棗的栽種面積正在逐步增加。為了減少人工采摘所需要的勞動量、提高采摘效率,實現(xiàn)長棗的自動采摘勢在必行,本文采用基于深度學習目標檢測的多種算法研究了自動采摘時靈武長棗檢測與定位問題。本文的研究內(nèi)容及結果如下:1.采集得到寧夏靈武長棗圖像數(shù)據(jù)集(2000張),其中包括無棗、一個棗、兩個棗、多個棗、樹葉遮擋、棗黏連、長棗順光拍攝和逆光拍攝等不同角度拍攝的多種圖像。并根據(jù)實驗要求對圖像集進行統(tǒng)一預處理與標注,得到包含源圖像路徑、尺寸、深度和長棗位置坐標等信息的數(shù)據(jù)集。2.采用基于深度學習候選區(qū)域算法的目標檢測模型進行靈武長棗檢測實驗。在深度卷積神經(jīng)網(wǎng)絡CNN的基礎上重點設計了 RCNN、Fast RCNN和Faster RCNN模型的靈武長棗檢測網(wǎng)絡,經(jīng)過網(wǎng)絡訓練分別得到各長棗檢測模型。檢測實驗表明,以上三組算法模型均能檢測到原始圖像中的長棗并給其位置坐標;當圖像中包含單個或兩個未遮擋的長棗時檢測效果最好,檢測率平均為80%;當圖像中包含多個且遮擋、黏連的長棗時檢測率會明顯降低。3.采用基于深度學習回歸算法的SSD目標檢測模型進行靈武長棗檢測實驗。SSD算法具有回歸思想簡化了網(wǎng)絡的計算復雜度,提高了檢測速度與精度。本文采用原始SSD網(wǎng)絡訓練得出了基于SSD的長棗檢測模型,檢測實驗表明該模型實現(xiàn)了靈武長棗的檢測,檢測精確度為90%。檢測結果存在圖像較暗時部分長棗檢測精度較低或根本未檢測到的情況,當圖像含有遮擋、黏連等情況時檢測率也會受到一定影響。4.針對以上問題,本文提出基于改進SSD網(wǎng)絡的長棗檢測模型,改進點首先是將訓練集圖像進行亮度增強處理,然后將基礎網(wǎng)絡進行批規(guī)范化處理,深層網(wǎng)絡進行多卷積處理,最后對模型參數(shù)匹配器閾值和退出保持概率進行調(diào)優(yōu)。改進后訓練得出新的SSD長棗檢測模型,該模型的檢測率有明顯提高,檢測精確度高達93%。當圖像含有遮擋、黏連等情況時,與原始SSD模型相比,其檢測效果更好。對比以上5種模型得出以下結論,這5種模型都實現(xiàn)了靈武長棗檢測的任務,其中基于改進SSD網(wǎng)絡的長棗檢測模型效果最理想,其檢測精確度高達93%,可以證明將深度學習目標檢測算法運用到靈武長棗檢測中是可行的,這為實現(xiàn)自動采摘機器人對靈武長棗的精準檢測與采摘奠定了良好的基礎。
【圖文】：

最后在輸出層輸出結果？，使用網(wǎng)絡層間神經(jīng)元稀疏連接與權值共享的新方法，在一定逡逑程度上剔除了網(wǎng)絡訓練中不必要的參數(shù)，從而降低了網(wǎng)絡的訓練時間（楊俊，２０１８）。逡逑經(jīng)典的卷積神經(jīng)網(wǎng)絡結構如圖２．２所示。一般情況下，，在實際應用中為了達到較逡逑好的效果，ＣＮＮ網(wǎng)絡模型會在網(wǎng)絡開始部分放置多個卷積層和多個采樣層（池化層），逡逑這樣可以做到對原始圖像特征最大程度的獲取，在ＣＮＮ網(wǎng)絡模型結束的部分會連接逡逑全連接層，從而對較高層次提取到的所有圖像特征進行連接，最后將提取到的內(nèi)容變逡逑成特征向量，使其作為原始數(shù)據(jù)的一種更抽象更本質(zhì)的表示。逡逑邐￣邋邐逡逑輸入層邐卷積層下采樣層邐全連接層邋輸出層逡逑圖２．邋２邋ＣＮＮ的結構示意圖逡逑Ｆｉｇｕｒｅ邋２２邋Ｓｔｒｕｃｔｕｒａｌ邋ｓｋｅｔｃｈ邋ｏｆ邋ＣＮＮ逡逑９逡逑

圖２．５邋ＣＮＮ全連接層逡逑Ｆｉｇｕｒｅ邋２．５邋ＣＮＮ邋ｆｕｌｌ邋ｃｏｎｎｅｃｔｉｏｎ邋ｌａｙｅｒ逡逑圖２．５為卷積網(wǎng)絡的全連接層，每層的每個神經(jīng)元節(jié)點都需要與上一層所有節(jié)點逡逑相連接，但是由于ＣＮＮ網(wǎng)絡結構中含有大量的訓練參數(shù)，訓練參數(shù)過多使得ＣＮＮ逡逑網(wǎng)絡模型在很大程度上出現(xiàn)過度擬合，從而會大大降低網(wǎng)絡模型的檢測性與識別性。逡逑為了使ＣＮＮ網(wǎng)絡模型在最大程度上排除此種情況，我們會對網(wǎng)絡模型的全連接層進逡逑行以下操作，具體計算過程如公式２－３所示，為網(wǎng)絡輸出，ｘ為當前層預處理的逡逑特征，『＼為網(wǎng)絡連接權重，６為偏置，為所設定好的激活函數(shù)。逡逑ＫＭｘ）＾ｆ＾ｖＴｘ＋ｂ）邐（２－３）逡逑ＣＮＮ有兩個最大的特點就是能夠稀疏連接、權值共享（蔡強等，２０１５）。正是因為逡逑ＣＮＮ有著這兩個特性使得它在網(wǎng)絡中訓練時參數(shù)的數(shù)目會大大減少，泛化性變得更逡逑強。逡逑（１）稀疏連接（ＲａｎｚａｔｏＡ
【學位授予單位】：北京林業(yè)大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TP18;TP391.41;S225

【相似文獻】

相關期刊論文 前10條

1 岳坤;孫亞萍;李占文;李攀;宋麗華;;配方施肥對靈武長棗葉片熒光特性的影響[J];陜西林業(yè)科技;2018年06期

2 劉艷紅;曹兵;萬仲武;韓國;;靈武長棗設施栽培不同模式下營養(yǎng)生長果實品質(zhì)的調(diào)查與分析[J];農(nóng)業(yè)科學研究;2019年01期

3 伍梅霞;唐文林;張宏霞;;靈武長棗產(chǎn)業(yè)發(fā)展中存在的問題及轉型升級的思路與對策[J];山西果樹;2019年04期

4 楊莉杰;李喜宏;張宇崢;朱剛;張瑞;張?zhí)O蘋;唐先譜;;靈武長棗不同溫度貯藏特性的研究[J];食品研究與開發(fā);2018年03期

5 許玲玲;張文華;曹兵;;不同噴施物對‘靈武長棗’坐果與果實品質(zhì)的影響[J];農(nóng)業(yè)科學研究;2018年01期

6 張?zhí)O蘋;商金穎;李喜宏;楊莉杰;湯堯;張宇崢;;靈武長棗桃酥的研制[J];食品研究與開發(fā);2018年10期

7 周麗紅;馬興國;;幼齡靈武長棗早果豐產(chǎn)技術要點[J];農(nóng)業(yè)科技與信息;2016年31期

8 呼生春;張永飛;張旭東;黨常勝;王文舉;張亞紅;;不同藥劑對靈武長棗坐果、品質(zhì)及產(chǎn)量的影響[J];湖北農(nóng)業(yè)科學;2016年06期

9 周麗紅;;寧夏靈武長棗產(chǎn)業(yè)發(fā)展中存在的問題及對策[J];果樹實用技術與信息;2015年02期

10 魏衛(wèi)東;朱宜蓁;陳艷玲;喻菊芳;芮欣虹;;靈武長棗2號的優(yōu)良性狀及發(fā)展前景[J];寧夏農(nóng)林科技;2015年02期

相關會議論文 前10條

1 張雁南;劉毓t

本文編號：2629887