摘要： 为实现温室番茄产量智能化在线评估,研究基于改进YOLOv3的温室番茄红果和绿果识别方法,以对自然生长状态下番茄果实进行计数估产。根据工厂化番茄种植工况条件,设计产量估计视觉系统;提出基于广义交并比(GIOU)的位置损失函数,对传统YOLOv3算法损失函数进行改进,其尺度不变特征可有效提高形态各异果实目标的描述精度。在样本图像数据构建和标注基础上,用K-means聚类算法分别获得9个不同规格的先验框,并根据特征图层次等级进行分配。通过模型训练和评价得到最优估产模型的平均精度均值(mAP)为95.7%,单幅图像处理耗时15 ms。现场试验表明,改进的YOLOv3模型对于番茄红果、绿果的估产精度均得到改善,总体估产精度达到96.3%,比传统YOLOv3模型估产精度提高2.7%,并且对于密集和受遮挡果实具有更好的识别效果。该研究结果可以为智能化估产系统研发提供技术支撑。

关键词: 温室番茄, YOLOv3, 目标检测, 产量预估

中图分类号: 

• S626

• S641.2