基于Faster R-CNN的枸杞开花期与果实成熟期识别技术

以宁夏16套枸杞农田实景监测系统2018年和2019年拍摄的图像作为资料,结合枸杞开花期和果实成熟期的植物学特征,利用更快速的基于区域的卷积神经网络(Faster R-CNN)方法对图像进行训练、分类,构建枸杞开花期和果实成熟期的识别算法,以平均精确率(AP)和平均精度均值(mAP)作为模型的评价指标,并将自动识别结果与专家目视判断结果和田间观测记录进行对比。结果表明:当网络结构中重要超参数批尺寸(batch size)和迭代次数(iterations)分别取值64和20000时,mAP值达到0.74,在测试集上对花和果实的识别效果好于其它参数。基于Faster R-CNN判识的枸杞开花期和果实成熟期与专家目视判断的差异在2~5d,这两种方法的判断对象和判断标准一致,可比性强,专家目视判断的结果可以作为自动识别技术的验证标准,用来优化并调整算法。自动识别结果与同期田间观测记录的差异在0~12d,差异的主要原因是这两种方法的判识对象和标准不一致,难以利用田间观测的结果优化自动识别算法。