摘要
本发明提供一种基于改进Faster RCNN的丁岙杨梅成熟度检测方法,包括获取丁岙杨梅图像集并标记,且进一步划分出训练集、验证集和测试集;基于改进Faster RCNN网络模型,构建出丁岙杨梅的成熟度检测模型;改进Faster RCNN网络模型包括由引入SE注意力机制的ConvNeXt‑T模块和FPN模块所构成的特征提取骨干网络、RPN网络、RoI池化层以及全连接层;基于训练集、验证集和测试集,对成熟度检测模型进行训练、验证及测试,以得到已训练好的成熟度检测模型;获取丁岙杨梅的待测图像并导入已训练好的成熟度检测模型中,得到待测图像上所对应丁岙杨梅的成熟度为未成熟、半成熟、近成熟及全成熟之其中一种。实施本发明,不仅能提高对丁岙杨梅的检测效率,还能提升检测精度。
技术关键词
杨梅
注意力机制
图像马赛克
多尺度特征融合
图像增强
采样模块
训练集
阶段
图像缩放
检测模型训练
采样率
网络
标记
通道
尺寸
精度