苹果果实检测与物候期自动识别方法的研究与实现

• 作 者: 樊泽泽
• 出 处: 太原理工大学
• 发表日期: 2020年01期
• 关键词: 苹果树物候期自动判别 苹果检测与分级 特征融合 卷积神经网络

我国的农业现代化进程不断推进,苹果作为多地的主要经济作物,其物候期的准确判别和果实的检测与分级有助于苹果树种植的科学化和自动化,提高苹果种植的经济效益。在实际的生产生活中,苹果园的物候期判别主要依赖于人工,而在科研方面,对于依据苹果园图像进行物候期判别的研究较少,因此本文研究了基于深度学习卷积神经网络的苹果树图像的物候期自动判别方法。此外,实际苹果园中采集的苹果树图像的无关背景多且杂乱,拍摄时的环境不稳定,苹果目标存在大量互相重叠和枝叶遮挡的情况,小目标、非完整目标数量多,检测困难,因此本文研究了基于多尺度特征图和色彩特征的苹果检测模型,根据苹果直径实现苹果分级,在上述模型的基础上设计并实现了苹果物候期识别与果实检测原型系统并进行推广应用,对提高苹果种植的自动化水平有现实意义和应用价值。本文的具体研究内容如下:(1)本文针对自然环境下苹果数据集短缺的问题,对处于不同物候期的苹果树图像进行采集和处理,建立苹果树图像数据集,使用对比度增强算法对图像进行预处理,使用随机裁剪和信息删除方式扩增数据量,对处于结果期的苹果树图像标注苹果目标位置,制作VOC格式的标签文件。(2)提出了一种融合时间特征的苹果树图像的物候期自动判别方法。首先搭建卷积网络对图像特征进行提取,同时使用全连接网络对一维的时间特征向量进行提取,融合抽象后的图像和时间特征并输入至全连接网络使用分类器实现物候期的判别。(3)提出了一种自然环境下结果期苹果树图像的果实自动检测与分级方法。使用K-means方法对数据集内苹果边框进行聚类分析获得先验框,建立基于多尺度特征图的卷积网络对苹果位置进行初次检测,转换检测框内图像至LAB色彩空间,分析检测框内果实颜色主分量并分别提取b分量和1.8b-l分量图像,使用OTSU方法对其灰度值进行分析,定位苹果前景与背景的最佳分割阈值并据此二值化图像,根据最小外接矩形二次修正检测框,提高了检测框的准确率,与传统方法相比提高了小目标的检出率。根据图像尺寸换算模型计算苹果直径并根据苹果分级标准完成苹果的分级。(4)设计并实现了苹果物候期识别与果实检测原型系统。系统包括用户注册、登录与设置模块、图像导入模块、图像规范化处理模块、图像的物候期识别与果实检测模块、结果查询与分析模块,系统对苹果树图像的原始数据和判别结果进行存储,在苹果示范园区进行了推广应用,提高了苹果种植的自动化水平。