注意力与多尺度特征融合的水培芥蓝花蕾检测.pdfVIP

第 37 卷 第 23 期 农 业 工 程 学 报 Vol.37 No.23 2021 年 12 月 Transactions of the Chinese Society of Agricultural Engineering Dec. 2021 161 注意力与多尺度特征融合的水培芥蓝花蕾检测 ※ 夏红梅，赵楷东，江林桓，刘园杰，甄文斌 （华南农业大学工程学院，广州 510642 ） 摘 要：准确辨识水培芥蓝花蕾特征是区分其成熟度，实现及时采收的关键。该研究针对自然环境下不同品种与成熟度 的水培芥蓝花蕾外形与尺度差异大、花蕾颜色与茎叶相近等问题，提出一种注意力与多尺度特征融合的Faster R-CNN 水 培芥蓝花蕾分类检测模型。采用 InceptionV3 的前 37 层作为基础特征提取网络，在其 ReductionA、InceptionA 和 InceptionB 模块后分别嵌入 SENet 模块，将基础特征提取网络的第 2 组至第 4 组卷积特征图通过 FPN 特征金字塔网络层分别进行叠 加后作为特征图输出，依据花蕾目标框尺寸统计结果在各 FPN 特征图上设计不同锚点尺寸。对绿宝芥蓝、香港白花芥蓝 及两个品种的混合数据集测试的平均精度均值 mAP 最高为 96.5%，最低为 95.9%，表明模型能实现不同品种水培芥蓝高 准确率检测。消融试验结果表明，基础特征提取网络引入 SENet 或 FPN 模块对不同成熟度花蕾的检测准确率均有提升作 用，同时融合 SENet 模块和 FPN 模块对未成熟花蕾检测的平均准确率 AP 为 92.3%，对成熟花蕾检测的AP 为 98.2%，对 过成熟花蕾检测的 AP 为 97.9%，不同成熟度花蕾检测的平均准确率均值 mAP 为 96.1%，表明模型设计合理，能充分发 挥各模块的优势。相比 VGG16 、ResNet50 、ResNet101 和 InceptionV3 网络，模型对不同成熟度花蕾检测的 mAP 分别提 高了 10.8%、8.3%、 6.9%和 12.7%，检测性能具有较大提升。在召回率为 80%时，模型对不同成熟度水培芥蓝花蕾检测 的准确率均能保持在 90% 以上，具有较高的鲁棒性。该研究结果可为确定水培芥蓝采收期提供依据。 关键词：机器视觉；图像识别；成熟度；水培芥蓝；多尺度卷积；注意力机制；Faster R-CNN doi ：10.11975/j.issn.1002-6819.2021.23.019 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2021)-23-0161-08 夏红梅，赵楷东，江林桓，等. 注意力与多尺度特征融合的水培芥蓝花蕾检测[J]. 农业工程学报，2021，37(23)：161-168. doi ：10.11975/j.issn.1002-6819.2021.23.019 Xia Hongmei, Zhao Kaidong, Jiang Linhuan, et al. Flower bud detection model for hydroponic Chinese kale based on the fusion of attention mechanism and mul