Resumo
Atualmente, a colheita do tomate depende principalmente do trabalho manual, é urgente realizar a mecanização e a inteligência da indústria do tomate, sendo a inspeção do tomate a etapa mais básica e importante. Para resolver este problema, um algoritmo de detecção de tomate baseado em Mask RCNN melhorado é proposto. O algoritmo escolhe ResNet50 e FPN como a rede de backbone, propõe um novo tipo de extrator RoI e usa convolução de buracos (Atrous) no modelo do algoritmo. Por meio do conjunto de dados de tomate feito pela própria Labelme, o algoritmo aprimorado é treinado e testado no conjunto de dados feito por ela. Os resultados mostram que, em comparação com os modelos Faster RCNN e Mask RCNN, o valor AP do modelo aprimorado é aumentado em 5,5% e 4,7%, e o valor AR é aumentado em 6,8% e 4,6%, respectivamente. Este algoritmo não apenas melhora a precisão de reconhecimento do tomato, mas também atinge melhor a segmentação da instância.
0 Introdução
Na China, com o rápido desenvolvimento da tecnologia de visão de máquina, o processamento de imagem tornou-se uma das tecnologias importantes que percorrem todas as etapas da cadeia da indústria agrícola [ 1 ] . A colheita de frutas maduras é uma etapa importante para que os produtos agrícolas cheguem ao mercado. A identificação precisa de frutas maduras é a principal tarefa de realizar uma colheita inteligente de frutas.
<