基于改进Faster R-CNN的百香果自动检测

摘要

针对自然场景下百香果果实密集,生长环境相对复杂,大规模种植带来人工识别、采摘和估计产量困难等问题,提出了改进Faster R-CNN的百香果目标检测算法,实现无遮挡、遮挡、重叠和背景四类果实自动检测和产量预测.该方法首先采用ResNet网络融合FPN对百香果进行多尺度特征提取;然后采用RPN网络提取ROI区域;最后,通过全连接层实现百香果分类和检测.经测试集验证,该方法在4类情况下检测的平均精确率达到87.98％,其平均准确率和召回率分别达到90.79％和90.47％,每幅图片的检测时间在0.178 s左右;产量估算中,其准确率为96.80％.结果表明,基于FPN+ResNet-101特征提取的Faster R-CNN目标检测算法能应用于自然场景下百香果的快速、准确检测和产量估算.