改进的Faster R-CNN用于苹果叶部病害检测

针对苹果叶部病害图像存在光照分布不均匀、对比度低、过亮或过暗区域细节丢失等问题,提出一种改进的Faster R-CNN苹果叶部病害检测方法,提高病害检测的准确率。由于HSV颜色空间中的H、S、V三个分量具有相对独立性,且光照及阴影部分的遮挡对H、S分量的影响很小,因此,将病害图像从RGB颜色空间转换到HSV颜色空间,再采用颜色恒常性（Retinex）算法对图像进行处理。然后,采用Faster R-CNN网络模型对苹果叶部的三种病害（雪松锈病、灰斑病、黑星病）进行目标检测。实验结果表明：该方法提升了检测苹果雪松锈病、灰斑病、黑星病的平均精度,分别提高了4.03%、7.14%和13.77%,整体平均精度提升了8.32%。每幅图像的检测时间为0.201 s,单张图片检测时间减少了42 ms,确保了检测的实时性,这对于病害的预防具有重要意义。