基于改进的RCNN实例细分算法,对桃果子直径准确检测方法的研究

科学领域:

• 计算机视觉 计算机视觉
• 农业技术 农业技术
• 机器学习 机器学习

背景情况:

• 不准确的果子识别和直径检测阻碍了鱼检查.
• 现有的方法与重叠或封闭的果实作斗争.

研究的目的:

• 开发一种新的算法,用于准确识别鱼和检测水果直径.
• 为了提高细分精度,减少鱼检查中的测量误差.

主要方法:

• 使用的Mask R-CNN具有实例细分,包括裁剪,形态处理和凸点细分.
• 集成模板匹配用于图像识别和解决水果粘贴问题.

主要成果:

• 实现了94.25%的平均平均精度 (mAP),比原始算法提高了8.05%.
• 增加了整个联盟的平均交叉点 (MIoU) 18.5%,并将直径测量的最大相对误差降低到1.3%.

结论:

• 改进的Mask RCNN算法提高了桃的识别和直径测量的准确性.
• 为智能检查,产量估计和农业机械采摘提供了宝贵的见解.