用于草莓果穗与匍匐茎分类的深度学习方法
计算机视觉与模式识别
2022-07-25 v2 人工智能
摘要
人工智能在农业领域的应用正快速增长，以实现农业活动的自动化。新兴农业技术侧重于植物、果实、病害和土壤类型的测绘与分类。尽管利用深度学习算法进行辅助采收和修剪的应用尚处于早期开发阶段，但对自动化此类过程的解决方案存在需求。本文提出利用深度学习，通过语义分割和数据集增强对草莓植株的果穗和匍匐茎进行分类。所提出的方法基于使用噪声（即高斯噪声、斑点噪声、泊松噪声和椒盐噪声）对数据集进行人工增强，以弥补数据样本数量少的问题，并提高整体分类性能。结果使用平均精确率、召回率和F1分数进行评估。所提出的方法在使用ResNet101并利用椒盐噪声进行数据集增强时，果穗检测的精确率、召回率和F1分数分别达到91%、95%和92%；在使用ResNet50并利用泊松噪声进行数据集增强时，匍匐茎检测的精确率、召回率和F1分数分别达到83%、53%和65%。
引用
@article{arxiv.2207.02721,
title = {Deep Learning approach for Classifying Trusses and Runners of Strawberries},
author = {Jakub Pomykala and Francisco de Lemos and Isibor Kennedy Ihianle and David Ada Adama and Pedro Machado},
journal= {arXiv preprint arXiv:2207.02721},
year = {2022}
}