番茄非接触式单果质量估测方法

摘要

针对目前非离株番茄果实的非接触式单果质量快速估测困难等问题,提出了一种基于局部点云和卷积神经网络的番茄单果质量估测方法.以浙粉702番茄为试验对象,首先通过深度相机采集50个番茄单果的336块原始点云,并增强至1 344块点云用于构建数据集.通过多种点云分割方法比较,选取三维连续卷积神经网络用于番茄单果分割.于分割后的数据提取点云沿x轴轴向尺寸dx、沿y轴轴向尺寸dy、沿z轴轴向尺寸dz和沿z轴投影最小外接圆直径d共4个空间特征信息,并将其馈送到3层回归网络中,用于训练、确定优化器和学习率达到最优状况下的单果质量估测模型.最后,选取268块增强点云对构建的数学模型进行测试,并进行模型准确性和稳定性评估分析.结果 表明,与番茄单果实际质量相比,平均偏差3.7～4.8 g,平均相对误差约3.04％,优于传统图像处理方法.该研究可为其他农畜产品的非接触式单果质量估测提供技术参考.