基于改进Mask R-CNN的番茄茎秆分类方法

作者：项荣^*; 张茂琛

来源：湖南大学学报(自然科学版), 2023, 50(02): 31-39.

DOI：10.16339/j.cnki.hdxbzkb.2023264

• 番茄植株
• 茎秆分类
• Mask R-CNN
• 像素级评价指标

为实现对与背景近色、不规则细长型目标——番茄茎秆的分类，提出了一种基于改进Mask R-CNN的番茄茎秆分类算法.采集日间和夜间番茄植株图像，使用labelme分别制作日间和夜间番茄茎秆分类数据集.结合迁移学习方法，使用两种数据集分别训练Mask RCNN模型.对Mask分支进行了改进，在生成掩膜的同时生成其最小外接矩，并提出了用于评估掩膜边框精确率的评价指标Re及用于综合评估模型性能的像素级评价指标.试验结果显示：夜间及日间茎秆分类模型的像素F1值、像素全类平均正确率分别为48.82%、50.03%和57.76%、56.06%. Mask分支改进后掩膜边框精确率得到了显著提高，平均每幅图像检测耗时0.31 s，满足实际应用对算法实时性的需求，可为植株修剪等工作的智能化提供方法支持．

• 单位
  中国计量大学