复杂环境下绿色球形果实的检测和分割研究.pdfVIP

目录

摘要I

AbstractII

第一章绪论1

1.1研究背景及意义1

1.2国内外研究现状2

1.2.1异色系果实的识别研究3

1.2.2同色系果实的识别研究5

1.3研究内容及创新点7

1.3.1研究内容8

1.3.2创新点9

1.4论文组织结构9

第二章绿色球形果实数据集11

2.1图像采集及处理11

2.2数据集标注13

2.3数据集划分制作14

2.4本章小结15

第三章基于优化YOLOX-m的绿色球形果实检测模型16

3.1模型架构16

3.2特征提取网络17

3.3特征融合金字塔网络18

3.3.1空洞空间金字塔池化模块18

3.3.2优化特征金字塔网络19

3.4解耦检测头20

3.5损失函数21

3.5.1总体损失函数21

3.5.2变焦损失21

3.6实验设计22

3.6.1实验操作平台22

3.6.2评价指标22

3.6.3绿色果实检测效果分析23

3.6.4消融实验26

3.6.5对比实验27

3.7本章小结31

第四章基于轮廓的绿色球形果实优化实例分割模型32

4.1模型架构32

4.2特征提取网络33

4.3特征金字塔网络34

4.4细化分割网络36

4.5损失函数38

4.6实验设计40

4.6.1实验设置40

4.6.2模型分割效果及分析40

4.6.3消融实验43

4.6.4对比实验44

4.7本章小结46

第五章总结和展望48

5.1总结48

5.2展望49

参考文献50

攻读硕士期间的主要成果57

致谢58

山东师范大学硕士学位论文

摘要

深度学习前沿理论的快速发展为果蔬生产的智能化作业提供了新的思路和解决方案，

果实的精准检测和分割制约着农业装备的作业性能。在自然环境的果园和菜园，或设施农

业环境下，受果实生长姿态、物理尺度、果实颜色等因素的影响，给目标果实的精准识别

带来巨大挑战。球形果实在果蔬中有较大占比，本研究以果园中的苹果、柿子和设施农业

中的西红柿为研究对象，开展绿色球形果实的精准识别研究，主要研究内容包括：

（1）当前公开的球形果数据集大多为异色系果实，绿色果实的数据集较为匮乏，因

此，本研究构建三种绿色球形果实数据集。在充分考虑光照、机位、天气等因素的影响下，

采集自然环境中的绿色苹果、绿色柿子图像，以及设施农业环境中的绿色西红柿图像，对

采集到的图像进行预处理后，采用LableMe软件进行人工标注，将其保存为COCO格式数

据集，并按照对应比例划分训练集和测试集。

（2）针对多尺度特征融合、正负样本不平衡问题，提出一种基于优化的YOLOX-m

的绿色果实检测模型。在特征融合阶段，引入空洞空间金字塔池化模块，增加卷积核的感

受野，增强网络对多尺度特征的上下文信息感知能力；通过变焦损失调整分类权重，提升

难分类的的目标权重和降低简单分类的目标权重，以减轻正负样本分布不均衡带来的负面

64.8%74.7%82.4%

影响。新模型在苹果、柿子、西红柿三个数据集的检测精度达、、。