基于深度神经网络与三维关联的葡萄检测、分割与跟踪
计算机视觉与模式识别
2020-02-10 v3
摘要
产量预测、精准农业和自动收获等农业应用需要能够从低成本传感设备推断作物状态的系统。使用廉价相机并结合计算机视觉的近端传感已成为一种有前景的替代方案，在卷积神经网络（CNN）作为自然图像中挑战性模式识别问题的替代方法出现后得以加强。考虑果树生长监测与自动化，一个基本问题是在果园中检测、分割和计数单个果实。本文表明，对于形状、颜色、大小和紧密度差异很大的酿酒葡萄，可利用最先进的 CNN 成功检测、分割和跟踪葡萄串。在一个包含来自棚架式葡萄园图像的 408 个葡萄串的测试集上，我们的实例分割 F1 分数达到 0.91，实现了每个葡萄串与图像中其他结构的精细分离，从而能更准确地评估果实大小与形状。我们还展示了如何沿记录果园行的视频序列对葡萄串进行识别与跟踪。我们还提供了一个公开数据集，包含 300 张图像中正确标注的葡萄串，以及一种用于自然图像中复杂对象分割的新标注方法。所提出的图像中农业模式标注、训练、评估与跟踪流程可推广至不同作物和生产系统，可用于开发多种农业与环境应用的传感组件。
引用
@article{arxiv.1907.11819,
title = {Grape detection, segmentation and tracking using deep neural networks and three-dimensional association},
author = {Thiago T. Santos and Leonardo L. de Souza and Andreza A. dos Santos and Sandra Avila},
journal= {arXiv preprint arXiv:1907.11819},
year = {2020}
}