基于双目视觉与深度学习的番茄本体特征检测系统
【摘要】 目的]设计基于双目视觉与深度学习的番茄本体特征检测系统，实现番茄本体特征的自动无损检测，为水肥一体化和智慧农业提供技术支持。[方法]采集4000张番茄图像作为研究样本，利用基于深度学习SSD_MobileNet卷积神经网络的番茄主要器官检测算法，对番茄植株、茎、花、果实和叶进行检测。基于双目视觉的图像测量算法对各器官目标区域中株高、茎直径、果径和叶面积进行特征提取。[结果]利用SSD_MobileNet网络模型对研究样本进行训练和测试，调用训练好的模型对番茄各器官进行识别和定位，对番茄植株、茎、花、果实和叶的检测准确率分别为98.5%、99.0%、99.5%、99.5%和98.0%。利用基于双目视觉的图像测量算法对番茄本体特征进行测量，通过实践证明该系统对株高、茎直径、果径和叶面积测量的相对误差可分别控制在1.5%、1.0%、1.2%和1.3%以内，可实现番茄本体特征的精确检测，较常见系统的鲁棒性和精度有了明显提升;整套系统在番茄大棚中已稳定运行半年，完成了对番茄全生命周期的本体特征检测，并可将数据保存于数据库，实现对番茄本体特征的自动、无损监测。[建议]优化番茄特征
