科研之友
微信
新浪微博
Facebook
分享链接
摘要
将Mask R-CNN实例分割模型应用于茄子花期识别研究，针对Mask R-CNN模型对大目标物存在误检和漏检的情况，提出使用混合空洞卷积融合普通卷积的方法，在ResNet50的残差块中进行参数修改，通过堆叠残差块完成对整个特征提取网络的改进，扩大了特征图感受野，增强了全局信息关联性；针对出现的过拟合问题，运用迁移学习方法将预训练的ResNet50特征提取网络作为茄花识别模型的初始参数，提高了模型在测试集泛化能力的同时提升了模型训练速度。运用改进的模型在测试集上的mAP为0.962，mIOU为0.715。通过定性分析并与其他模型进行对比，证明改进的模型能有效提高大目标物分割能力，对茄子花期识别具有良好效果。该研究为茄花自动授粉与花期管理提供了技术支持，对保证授粉质量，提升经济效益具有重要意义。
- 单位
