改进YOLOv5轻量级网络的柑橘检测方法

针对现有的柑橘检测算法准确率低、模型参数量大、检测实时性差、不适用移动采摘设备等问题,提出一种基于改进轻量模型YOLO-DoC的柑橘检测方法。引入Bottleneck结构的ShuffleNetV2网络作为YOLOv5骨干网络模型,构造轻量化网络。同时加入无参型SimAM注意力机制提高复杂环境下对目标的识别精度。为了提高检测网络对于目标果实的边界框定位精度,通过引入Alpha-IoU边界框回归损失函数的方法来获取目标的边界框。实验显示,YOLO-DoC模型的P(precision)值和mAP(mean average precision)值分别为98.8%和99.1%,参数量缩减为YOLOv5网络的1/7,模型的大小为2.8 MB。改进后的模型相比于原网络模型具有识别速度快、定位准度高以及占用内存少的优势,在满足精准采摘工作要求的前提下可以提高采摘效率。

自然环境下基于轻量级SSD的柑橘检测研究

柑橘采摘机器人常被用来替换工人完成采摘任务。为了采摘机器人在自然环境下能更好地检测到成熟的柑橘果实,一方面,文章针对柑橘的生长特点提出一种轻量级single Shot MultiBox Detector(SSD)柑橘检测模型,首先,为了轻量化模型,将基础网络由原来的VGG-16替换成MobileNetv2,其次,为了解决预测特征层默认框生成的随机性及不稳定性,将K-means算法聚类数据集获得的结果替换默认框的大小,最后,为了减小边界框回归误差,将定位损失函数由原来的Smooth L1修改为GIoU;另一方面,文章自建自然环境下的柑橘数据集并对数据集进行优化处理。实验结果表明,文章改进后的轻量级SSD模型在自建的柑橘数据集上的表现不仅比SSD模型的Average Precision(AP)值高了约8个百分点,而且每秒传输帧数(FPS)达到了37.3,达到了实时检测的要求。

弱光复杂背景下基于MSER和HCA的树上绿色柑橘检测

基于图像处理和机器视觉的树上绿色柑橘检测,能为果园管理者施肥、估产及采摘作业提供指导。该文提出一种基于水果表面光照分布的分层轮廓分析(hierarchical Contour Analysis,HCA)算法实现了树上绿色柑橘的检测。彩色数码相机拍摄弱光下由闪光灯补光的树上柑橘场景彩色图像,基于水果表面的光照分布应用最大稳定极值区域(maximally stable extremal region,MSER)算法提取图像中的感兴趣区域,然后建立感兴趣区域周围的分层轮廓图,并利用霍夫变换拟合每一级轮廓获得分层圆形目标,最后进行拟合圆嵌套分析得到绿色柑橘水果目标。所提算法在20张复杂的柑橘果园场景图像中进行了测试,最终的召回率达81.2%,查准率达到83.5%,单幅图像平均处理时间为3.70 s。该文所提出的基于光照分布的分层轮廓分析算法,不仅适用于绿色柑橘的检测,也可为其他树上绿色水果检测提供通用的框架和思路。

自然环境下黄绿柑橘检测通用模型的构建

柑橘存在黄色和绿色两种颜色特征,自然环境下柑橘目标检测困难。深度学习在目标检测领域已经实现了实时检测,基于深度学习进行柑橘检测,探索了两种颜色特征的柑橘检测通用模型。建立了自然环境下柑橘的图像数据集,采用3种深度学习检测模型:基于VGG16的Faster R-CNN、基于Resnet的Faster R-CNN以及YOLOv5s,分别对自然环境下的黄色和绿色柑橘进行对比试验。试验表明:对于黄色柑橘,YOLOv5s模型检测方法在柑橘测试集上的精确率、召回率、F1以及平均精度(AP)分别为91.90%、99.00%、0.94和97.40%,平均检测速度为27帧/s;对于绿色柑橘,YOLOv5s模型检测方法在柑橘测试集上的精确率、召回率、F1以及AP分别为96.50%、98.00%、0.96和97.20%,平均检测速度为32帧/s。YOLOv5s与基于VGG16的Faster R-CNN模型及基于Resnet的Faster R-CNN模型相比:对于黄色柑橘,平均精度分别提高了45.51%和41.18%,平均检测速度分别提高了22和23帧/s;对于绿色柑橘,平均精度分别提高了4.38%和4.13%,平均检测速度分别提高了25和26帧/s。结果表明,对于两种颜色特征的柑橘,YOLOv5s检测模型通用性更好,检测速度更快,更适用于柑橘检测研究。

YOLOv4与树莓派平台的轻量化柑橘检测算法

为了满足高精度柑橘检测算法在嵌入式设备上的部署要求,论文基于YOLOv4与树莓派硬件平台设计了一种高效的柑橘检测算法。首先借鉴GhostNet思想,设计了轻量级的网络单元并以此压缩了网络结构。其次,针对柑橘的形状特征用圆形边界框进行目标定位,同时改进了CIOU边框回归损失函数。实验结果表明,改进后的算法在柑橘检测任务中的F1分数达83.95%,尤其对遮挡问题的改善效果明显,而模型大小仅为52.5 MB,移植到树莓派平台后对单张图片处理时间不足YOLOv4的三分之一,内存占用率仅为28.6%。

近红外光在柑橘内的传播与多功能光纤探测器设计

柑橘是我国总种植面积最大的水果,改进其品质筛选方法能够降低劳动成本并有效提升产业经济收益。本文利用蒙特卡罗法对柑橘的近红外光检测进行模拟仿真,根据柑橘三层结构建立了具有不同吸收系数、散射系数、折射率和各向异性因子的三层球形光学模型。同时,综合考虑光子入射轨迹、曲面边界对光子运动轨迹的影响以及收集的反馈信息,搭建了柑橘品质近红外检测的仿真系统,并设计了一种收发一体的多功能光纤探测器。结果表明,所设计的光纤探测器可以实现对果肉层光子的选择性探测,有效提高了柑橘内部品质信息的检测灵敏度。

高质量提取柑橘样品中病原总核酸方法的建立

针对柑橘老熟组织中富含多糖、多酚、色素和其它次生代谢产物的特点,以柑橘老叶老皮为试材,在传统CTAB提取法的基础上通过添加增效剂并优化配方,建立了一种快速、简便的提取植物老熟组织及其内部病原总核酸的CTAB-Triton提取法。新的提取液对细胞的裂解能力更强,且解决了传统CTAB溶液因低温析出而致DNA得率损失的弊端。比较了该法和微量葡聚糖柱纯化法制备模板时韧皮部杆菌的检出率,并用该法制备模板,分析了韧皮部杆菌在柚子叶片中的分布情况,及对其它几种柑橘病原菌进行PCR/RT-PCR检测。结果表明,CTAB-Triton方法能有效提取柑橘老熟叶片的DNA,所得DNA质量高,产量比商品化试剂盒大,提高了韧皮部杆菌的检出率,且可用于柑橘其他病原真菌、细菌,以及DNA或RNA病毒病害的PCR/RT-PCR检测,也可用于定量PCR检测和病原种群多态性分析。