基于卷积神经网络的马铃薯芽眼检测识别研究

作者：史方青; 王虎林; 黄华^*

来源：中国农机化学报, 2022, 43(06): 159-165.

DOI：10.13733/j.jcam.issn.2095-5553.2022.06.021

• 目标检测
• YOLOv3
• 卷积神经网络
• 马铃薯芽眼
• 深度学习

为快速、准确识别马铃薯芽眼，提高种薯发芽率，提出一种基于卷积神经网络的马铃薯芽眼识别方法。针对多视角和不同程度重叠的马铃薯芽眼图像，通过数据增广及图像预处理建立数据库。在此基础上，利用YOLOv3网络的高性能特征提取特性，实现马铃薯芽眼的快速准确识别。结果表明：YOLOv3网络对含有单个无遮挡芽眼的样本、含有多个有遮挡芽眼的样本及含有机械损伤、虫眼及杂质的样本均能够实现良好稳定的识别，最终检测精确度P为97.97%,召回率R为96.61%,调和平均值F1为97%,识别平均精度mAP为98.44%,单张检测时间为0.018 s。对比分析YOLOv4-tiny及SSD等网络后可知，YOLOv3模型可同时满足马铃薯芽眼识别的精度与速度要求。因此，YOLOv3网络对马铃薯芽眼识别具有良好的鲁棒性，为马铃薯切种机实现自动化切种奠定基础。

• 单位
  兰州理工大学; 机电工程学院