首页分享【泡泡一分钟】基于精细语义分割网络的多品种花果检测

【泡泡一分钟】基于精细语义分割网络的多品种花果检测

来源：花匠小妙招时间：2025-01-11 22:48

每天一分钟，带你读遍机器人顶级会议文章

标题：Multi-species fruit flower detection using a refined semantic segmentation network

作者：SPhilipe A. Dias, Amy Tabb, and Henry Medeiros

来源：2018 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)

编译：王嫣然

审核：颜青松陈世浪

欢迎个人转发朋友圈；其他机构或自媒体如需转载，后台留言申请授权

摘要

在水果生产中，关键的作物管理决定由开花密度，即果园中存在的花的数量所指导。虽然开花密度很重要，但通常仍然通过人类视觉检查来估计。现有的花卉识别自动化计算机视觉系统基于手工设计，仅在特定条件下工作，性能有限。本文提出了一种自动化的花卉识别技术，它对不受控制的环境具有鲁棒性，适用于不同的花卉品种。我们的方法依赖一个端到端的残差卷积神经网络（CNN），它代表了最先进的语义分割技术。为了提高其对花的敏感度，我们使用一组苹果花图像对这个网络进行了微调。由于CNN倾向于产生粗分割，我们采用了一种细化方法来更好地区分各个花卉实例。在不进行任何预处理或数据特异性训练的情况下，对不同条件下采集的苹果、桃、梨等花卉图像进行实验，结果表明了该方法的鲁棒性和广泛适用性。

图1 该图解说明了所提出的花检测方法所执行的任务序列。算法1中描述了每个任务及其相应的输出（如箭头所示）。在热图中，较低的分数用蓝色表示，较高的分数用红色表示。

图2 该图说明滑动窗口及随后的融合过程。每幅图像都有其相邻区域的重叠部分，在融合过程中会被丢弃，以避免人为边界造成的伪影。

图3 精细分割示例

图4 桃花检测示例。左：SPPX+Clarifai方法提供的检测。右：使用本文提出的新Deeplab+RGR方法获得的检测结果。

Abstract

In fruit production, critical crop management decisions are guided by bloom intensity, i.e., the number of flowers present in an orchard. Despite its importance, bloom intensity is still typically estimated by means of human visual inspection. Existing automated computer vision systems for flower identification are based on hand-engineered techniques that work only under specific conditions and with limited performance. This work proposes an automated technique for flower identification that is robust to uncontrolled environments and applicable to different flower species. Our method relies on an end-to-end residual convolutional neural network (CNN) that represents the state-of-the-art in semantic segmentation. To enhance its sensitivity to flowers, we fine-tune this network using a single dataset of apple flower images. Since CNNs tend to produce coarse segmentations, we employ a refinement method to better distinguish between individual flower instances. Without any pre-processing or dataset-specific training, experimental results on images of apple, peach and pear flowers, acquired under different conditions demonstrate the robustness and broad applicability of our method.

【泡泡机器人SLAM】公众号（paopaorobot_slam）。

泡泡论坛：http://paopaorobot.org/forums/

泡泡机器人SLAM的原创内容均由泡泡机器人的成员花费大量心血制作而成，希望大家珍惜我们的劳动成果，转载请务必注明出自【泡泡机器人SLAM】微信公众号，否则侵权必究！同时，我们也欢迎各位转载到自己的朋友圈，让更多的人能进入到SLAM这个领域中，让我们共同为推进中国的SLAM事业而努力！

商业合作及转载请联系liufuqiang_robot@hotmail.com

责任编辑：