基于迁移学习Faster R-CNN模型田间红提葡萄果穗的识别

摘要

葡萄种植过程中大部分工作由人工完成,其劳动强度较大且生产效率低,为实现田间作业的自动化需要准确识别田间葡萄果穗,本文采用Faster R-CNN模型实现田间红提葡萄果穗的识别.首先根据田间环境采用不同设备采集葡萄果穗图像,包括不同光照强度下不同成熟度的葡萄果穗图像,通过数据扩增的方法将样本数量扩大4倍并制作数据集,再分别采用Resnet50、Googlenet、VGG16、VGG19、Alexnet作为Faster R-CNN模型的区域候选网络(RPN),并对比分析5种迁移学习模型的识别结果,选择较优的模型进行参数优化.5种迁移学习模型识别结果表明:VGG16迁移学习模型识别效果最佳;当VGG16迁移学习模型训练学习率调整为0.000 1,循环次数为20次时,模型识别平均精度达99.07％,平均检测时间26 ms;本文方法能够实现田间环境下红提葡萄果穗的识别,可为今后自动化葡萄园管理提供研究基础.