基于深度学习分类模型的4种果树物候期识别

钟丹; 李宗南; 王思; 黄平; 邱霞; 蒋怡; 《中国农机化学报 》 2023 北大核心

摘要：为实现数字果园的机器视觉系统快速准确识别果树关键物候期,采集四川地区苹果、杧果、石榴、柑橘4种果树4个物候期的图像15000幅,按6∶2∶2的比例随机划分训练、验证和测试数据集,训练VGG16、ResNet50、MobileNetV2及Swin Transformer 4个深度学习图像分类模型,评测不同模型的精度和性能.结果表明,各模型识别物候期精度分别为98.9%、99.3%、99.7%、99.8%,其中杧果成熟期的识别误差较大,精度分别为96.7%、98.2%、99.0%、99.5%;模型识别测试集图像的计算量(GFLOPs)分别为15.50、4.12、0.32、15.14,识别单张图像耗时分别为3.00ms、2.33ms、3.00ms、4.67ms.该结果可为果园嵌入式设备、服务器端的机器视觉系统选择模型提供参考.

关键词： 果树 物候期 深度学习 图像分类 注意力机制