采用改进U-Net网络的机收大豆质量在线检测.pdfVIP

第 38 卷 第 16 期 农 业 工 程 学 报 Vol.38 No.16 70 2022 年 8 月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2022 采用改进 U-Net 网络的机收大豆质量在线检测 1 1,2 1 1 1 金诚谦 ，刘士坤 ，陈 满 ，杨腾祥 ，徐金山 （1. 农业农村部南京农业机械化研究所，南京 210014 ；2. 安徽农业大学工学院，合肥 230036 ） 摘 要：破碎率、含杂率是评价大豆联合收获机的重要作业性能指标，破碎率、含杂率实时数据是实现大豆联合收获机 智能化调控的基础。为了实现大豆机械收获过程破碎率、含杂率的在线检测，该研究提出了基于改进 U-Net 网络的机收 大豆破碎率、含杂率在线检测方法。以大豆联合收获机实时收获的大豆图像为对象，使用开源标注软件 Labemel 对数据 集进行标注，构建基础数据集。针对大豆图像粘连、堆叠、语义信息复杂等问题，以 U-Net 为基础网络结构，结合 VGG16 网络并在各激活层（Rectified Linear Unit ，ReLu ）前引入批归一化层（Batch Normalization ，BN ）防止过拟合；在编码器 中提取的特征图后面添加卷积块注意力模块（Convolutional Block Attention Module，CBAM ）抑制无关区域的激活，减少 冗余部分；采用最近邻插值法的上采样替换解码器中转置卷积，避免转置卷积引起的棋盘效应。试验结果表明：改进 U-Net 网络能有效地将图像中完整大豆籽粒、破碎籽粒和杂质进行识别分类，完整籽粒识别分类综合评价指标值为 95.50%，破 碎籽粒识别分类综合评价指标值为 91.88%，杂质识别分类综合评价指标值为 94.35%，平均交并比为 86.83%。应用所设 计的大豆籽粒破碎率和含杂率在线检测装置开展台架和田间试验。台架试验结果表明，本文方法的检测结果与人工检测 结果的破碎率均值绝对误差为 0.13 个百分点，含杂率均值绝对误差为 0.25 个百分点；田间试验表明，本文方法检测结果 与人工检测结果的破碎率均值绝对误差为 0.18 个百分点，含杂率均值绝对误差为 0.10 个百分点。所提检测方法能够准确 在线估算机收大豆的破碎率和含杂率，可为大豆联合收获作业质量在线检测提供技术支持。 关键词：联合收获机；图像分割；大豆；U-Net 网络；识别分类；破碎率；含杂率 doi ：10.11975/j.issn.1002-6819.2022.16.008 中图分类号：S147.2 文献标志码：A 文章编号：1002-6819(2022)-16-0070-11 金诚谦，刘士坤，陈满，等. 采用改进 U-Net 网络的机收大豆质量在线检测[J]. 农业工程学报，2022，38(16)：70-80. doi ：10.11975/j.issn.1002-6819.2022.16.008 Jin Chengqian, Liu Shikun, Chen Man, et al. Online quality detection of machine-harvested soybean based on improved U-Net network[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(16): 70-80. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.16.008