农业复杂环境下尺度自适应小目标识别算法-以蜜蜂为研究对象
中国农业科学院农业信息研究所/农业农村部农业信息服务技术重点实验室
- 摘 要:
- 农业生产环境中的目标识别对象常具有分布密集、体积小、密度大的特点,加之农田环境光照多变、背景复杂,导致已有目标检测模型无法取得令人满意的效果。本研究以提高小目标的识别性能为目标,以蜜蜂识别为例,提出了一种农业复杂环境下尺度自适应小目标识别算法。算法克服了复杂多变的背景环境的影响及目标体积较小导致的特征提取困难,实现目标尺度无关的小目标识别。首先将原图拆分为一些较小尺寸的子图以提高目标尺度,将已标注的目标分配到拆分后的子图中,形成新的数据集,然后采用迁移学习的方法重新训练并生成新的目标识别模型。在模型的使用中,为使子图识别结果能正常还原,拆分的子图之间需具有一定的重叠率。收集所有子图的目标识别结果,采用非极大抑制(Non-Maximum Suppression,NMS)去除由于模型本身产生的冗余框,提出一种交小比非极大抑制(Intersection over Small NMS,IOS-NMS)进一步去除子图重叠区域中的冗余框。在子图像素尺寸分别为300×300、500×500和700×700,子图重叠率分别为0.2和0.05的情况下进行验证试验,结果表明:采用SSD (Single Shot MultiBox Detector)作为框架中的目标检测模型,新提出的尺度自适应算法的召回率和精度普遍高于SSD模型,最高分别提高了3.8%和2.6%,较原尺度的YOLOv3模型也有一定的提升。为进一步验证算法在复杂背景中小目标识别的优越性,从网上爬取了不同尺度、不同场景的农田复杂环境下的蜜蜂图像,并采用本算法和SSD模型进行了对比测试,结果表明:本算法能提高目标识别性能,具有较强的尺度适应性和泛化性。由于本算法对于单张图像需要多次向前推理,时效性不高,不适用于边缘计算。
关键词:目标检测;机器视觉;小目标;农业环境;蜜蜂;SSD;YOLOv3;
相似文章
-
基于动态超分辨率的输电线路部件检测方法 [夏娴, 徐靖楠] 河北农机 2022 (8) 87-89
-
基于轻量化YOLOv4的生猪目标检测算法 [余秋冬, 杨明, 袁红, 梁坤] 中国农业大学学报 2022,27 (1) 183-192
-
基于改进YOLOv3-Tiny的番茄苗分级检测 [张秀花, 静茂凯, 袁永伟, 尹义蕾, 李恺, 王春辉] 农业工程学报 2022,38 (1) 221-229
-
基于深度学习的松材线虫病害松木识别 [李浩, 方伟泉, 李浪浪, 陈学永] 林业工程学报 2021 (6) 142-147
-
基于改进CenterNet的玉米雄蕊无人机遥感图像识别 [杨蜀秦, 刘江川, 徐可可, 桑雪, 宁纪锋, 张智韬] 农业机械学报 2021 (9) 206-212
-
基于逆运动学降维求解与YOLO v4的果实采摘系统研究 [张晴晖, 孔德肖, 李俊萩, 钟丽辉] 农业机械学报 2021 (9) 15-23
-
基于改进卷积神经网络的在体青皮核桃检测方法 [樊湘鹏, 许燕, 周建平, 刘新德, 汤嘉盛, 魏禹同] 农业机械学报 2021 (9) 149-155,114
-
结合深度学习与Hough变换的等长原木材积检测系统 [林耀海, 赵洪璐, 杨泽灿, 林梦婷] 林业工程学报 2021 (1) 136-142
-
改进YOLOv4的温室环境下草莓生育期识别方法 [龙洁花, 郭文忠, 林森, 文朝武, 张宇, 赵春江] 智慧农业(中英文) 2021 (4) 99-110
-
基于幅值迭代剪枝的多目标奶牛进食行为识别方法 [刘月峰, 边浩东, 何滢婕, 郭威, 张小燕] 农业机械学报 2022,53 (2) 274-281