基于深度學習的茶嫩芽分割與采摘點定位方法研究

打開文本圖片集

摘要：為實現(xiàn)茶嫩芽快速識別與采摘點定位，研究一種輕量級深度學習網(wǎng)絡實現(xiàn)茶嫩芽分割與采摘點定位。采用MobileNetV2主干網(wǎng)絡與空洞卷積相結合，較好地平衡茶嫩芽圖像分割速度與精度的矛盾，實現(xiàn)較高分割精度的同時，滿足茶嫩芽快速識別的要求，并設計外輪廓掃描與面積閾值過濾相結合的采摘點定位方法。試驗表明：所提出的茶嫩芽分割算法在單芽尖及一芽一葉數(shù)據(jù)集中精度優(yōu)異，平均交并比mIoU分別達到91.65%和91.36%；在保持高精度的同時，模型復雜度低，參數(shù)量僅5.81 M、計算量僅39.78 GFOLPs；在單芽尖、一芽一葉及一芽兩葉數(shù)據(jù)集中各隨機抽取200張圖片進行采摘點定位驗證，定位準確率分別達到90.38%、95.26%和96.60%。（剩余9428字）