基于卷积神经网络语义分割的图像中葡萄浆果计数
计算机视觉与模式识别
2020-04-30 v1
摘要
表型性状的提取通常非常耗费时间与人力。尤其葡萄栽培中的研究由于葡萄藤的多年生特性而仅限于现场分析。传统上由熟练专家检视小样本并将结果外推至整个地块。由此，不同的葡萄品种与整形系统，例如垂直枝定位（VSP）与半最小修剪绿篱（SMPH）带来了不同的挑战。在本文中，我们提出一个基于自动图像分析的客观框架，可作用于两种不同的整形系统。图像由安装于改装葡萄收获机中的摄像系统半自动采集。该系统从植株侧面产生重叠图像。我们的框架使用卷积神经网络通过执行语义分割来检测图像中的单个浆果。随后每个浆果由连通分量算法计数。我们将结果与 Mask-RCNN（一种用于实例分割的先进网络）以及一种用于计数的回归方法进行比较。本文给出的实验表明，尽管整形系统不同，我们仍能在图像中检测出绿色浆果。我们在 VSP 中达到 94.0% 的浆果检测准确率，在 SMPH 中达到 85.6%。
引用
@article{arxiv.2004.14010,
title = {Counting of Grapevine Berries in Images via Semantic Segmentation using Convolutional Neural Networks},
author = {Laura Zabawa and Anna Kicherer and Lasse Klingbeil and Reinhard Töpfer and Heiner Kuhlmann and Ribana Roscher},
journal= {arXiv preprint arXiv:2004.14010},
year = {2020}
}