基于Faster R-CNN复杂背景的茶芽检测

作者：李赫; 王玉; 范凯; 丁兆堂^*

来源：青岛农业大学学报(自然科学版), 2022, 39(03): 212-216.

• 茶树
• 茶芽检测
• 深度学习
• Faster R-CNN
• VGG19

茶芽检测是判断茶树农艺性状的基础，也是研发基于计算机视觉采茶机器人的基础。针对复杂背景中传统茶芽检测方法准确率低、稳定性差等问题，提出一种基于深度学习的茶芽检测方法。以Faster R-CNN(region-convolutional neural network)算法为框架，比较AlexNet、ResNet50、VGG19 3种网络模型茶芽检测性能，寻找最佳网络模型。结果表明，使用VGG19的茶芽检测准确率为86.3%,召回率为96.1%,F1分数为0.909,综合检测效果最优。该方法可很好地应用于复杂背景茶芽检测。

• 单位
  青岛农业大学; 山东省农业科学院