基于改进Mask R-CNN的马铃薯芽眼识别方法OA

马铃薯芽眼的准确识别是马铃薯种薯自动化切块的前提,为了提高马铃薯芽眼的识别效果,解决长期以来人工切块效率低下问题,提出了一种基于改进Mask R-CNN的马铃薯芽眼识别方法。通过确定性重排列技术对RoIAlign操作进行改进,消除插值操作的不确定性,确保不同尺寸的候选区域在特征图上的映射的唯一性,提高了目标分类和分割的准确性和稳定性。试验结果表明,改进后的模型识别精确率为98.47%,召回率为96.99%,调和平均值F1为97.72%,平均单幅图像的识别时间为0.135s。与改进前的算法相比,识别精确率、召回率、F1值分别提升了6.46、12.01、9.36个百分点,平均单幅图像的识别时间比改进之前提升了0.004 s。改进的Mask R-CNN算法能够更好地适应马铃薯芽眼的特殊形态和不同的环境因素,有效识别出马铃薯芽眼,为马铃薯种薯智能切块装置研究奠定了良好基础。