| 基于深度学习的复杂背景下茶叶嫩芽检测算法 |
| |
| 作者姓名： | 孙肖肖 牟少敏 许永玉 曹旨昊 苏婷婷 |
| |
| 作者单位： | 山东农业大学信息科学与工程学院,山东泰安,271018;山东农业大学植物保护学院,山东泰安,271018 |
| |
| 基金项目： | 山东省自然科学基金;山东省茶叶产业技术体系项目 |
| |
| 摘 要： | 针对传统的基于机器视觉的茶叶嫩芽检测方法存在手工特征提取鲁棒性较差以及准确率较低等问题,首次将基于深度学习的目标检测算法YOLO应用到复杂背景下的茶叶嫩芽图像的检测,并从多尺度检测方面对YOLO网络架构进行了改进,用大尺度和中尺度检测代替了原来的多尺度检测.在预处理阶段,通过结合超绿特征以及OSTU算法对复杂背景下的茶叶嫩芽图像进行了图像分割,使得茶叶嫩芽区域更加明显.实验结果表明,通过与其他算法对比,基于深度学习的目标检测算法对复杂背景下的茶叶嫩芽具有较高的检测精度,为复杂背景下茶叶嫩芽的智能化采摘设备的研究提供了基础.
|
| 关 键 词： | 深度学习 YOLO 茶叶嫩芽 OSTU 目标检测 |
| 收稿时间： | 2018-09-07 |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
| 点击此处可从《河北大学学报(自然科学版)》浏览原始摘要信息 |
|
点击此处可从《河北大学学报(自然科学版)》下载全文 |
|
