为检测工厂化栽培草菇(Volvariella volvacea)的生长状态,采集不同栽培模式、不同生长时期草菇、异常草菇以及栽培料杂菌感染等各种图像作为原始图像数据集,采用Anchor-free网络结构构建检测算法模型,将收集的895幅草菇原始图像分为生长期、成熟期、开伞期草菇,杂菌感染草菇和肚脐菇以及鬼伞和栽培料表面感染7种类型,借助labellmg工具按照不同类型在草菇原始图像数据集的每一幅图像上进行人工标记,测试标记的草菇原始数据集并观察学习训练得到的模型性能,将测试结果与人工标记的结果进行对比,有针对性地完善模型精度,再通过添加在线难例挖掘、可变形卷积、改进模型损失函数、增加模型感受野、增加训练样本的丰富性模块优化模型,将不同类型的图像输入训练好的网络模型中检验效果,分别在打开光源和关闭光源的菇房中拍照,并输入模型检测光照对模型效果的影响.结果表明:最终模型的平均精确率(mean average precision,mAP)达到83.7,可以输出编号、当前坐标、类型、颜色RGB均值、草菇相对宽度和高度,能够准确检测处于生长期、成熟期、开伞期草菇和受杂菌感染草菇和肚脐菇以及鬼伞和栽培料表面感染情况.
An Anchor-Free Network for Detection of Volvariella volvacea Growth Status
NETL
NSTL
万方数据
维普
