基于深度卷积神经网络番茄主要器官分类识别方法.PDFVIP

第 33 卷 第 15 期 农 业 工 程 学 报 Vol.33 No.15 2017 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2017 219 基于深度卷积神经网络的番茄主要器官分类识别方法 周云成，许童羽，郑 伟，邓寒冰 （沈阳农业大学信息与电气工程学院，沈阳 100866 ） 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 。 关键词：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 doi ：10.11975/j.issn.1002-6819.2017.15.028 中图分类号：TP183 文献标志码：A 文章编号：1002-6819(2017)-15-0219-08 周云成，许童羽，郑 伟，邓寒冰. 基于深度卷积神经网络的番茄主要器官分类识别方法[J]. 农业工程学报，2017， 33(15)：219－226. doi ：10.11975/j.issn.1002-6819.2017.15.028 Zhou Yuncheng, Xu Tongyu, Zhen Wei, Deng Hanbing. Classification and recognition approaches of tomato main organs based on DCNN[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(15): 219 － 226. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2017.15.028 且很难用一种方法同时识别所有类型的器官。 0 引 言 近年来发展起来的深度卷积神经网络（ deep 从植株图像中检测出番茄的主要器官（花、果、茎、 convolutional neural network, Deep CNN, DCNN ）是一种 叶）是典型的目标识别问题，其对病虫害检测、靶向施 新的目标分类识别方法。该方法能够实现自动化的图像 药、日光温室场景理解，以及智能农机的发展都具有重 特征提取，与分类识别过程融为一体，并通过数据实现 要意义。利用颜色空间的差异进行图像分割是常采用的 自我学习。国内外学者在 DCNN 的基本理论[9] 、分类 传统目标识别方法之一。文献[1-2]利用成熟番茄与背景