基于迁移学习和数据增强的小样本柑橘缺陷检测研究

doi:10.19754/j.nyyjs.20240130007

农业与技术 ›› 2024, Vol. 44 ›› Issue (2): 23-27.DOI: 10.19754/j.nyyjs.20240130007

基于迁移学习和数据增强的小样本柑橘缺陷检测研究

贾惠伍希志薛洋李玉彤

中南林业科技大学材料科学与工程学院，湖南长沙410000

出版日期:2024-01-30 发布日期:2024-01-30
作者简介:贾惠(1996-)，女，硕士在读。研究方向：机器视觉，深度学习；通讯作者伍希志(1985-)，博士，副教授。研究方向：人工智能及机器视觉，智能装备。
基金资助:
湖南省科技特派员服务乡村振兴“基于机器视觉与深度学习的重组竹板颜色分类技术研究”（项目编号：2023NK4285);中国博士后科学基金资助（项目编号：2021M690768)

Online:2024-01-30 Published:2024-01-30

摘要/Abstract

摘要： 小样本目标检测旨在通过少量样本实现对图像中目标的识别和定位。目前针对柑橘缺陷的小样本数据集进行的检测较少，本文提出了使用数据增强和迁移学习来对小样本柑橘的缺陷类型进行检测的方法，采用旋转、裁剪和高斯模糊进行数据增强来扩充数据集，与使用迁移学习方法进行对比。实验表明：迁移学习方法中最优算法是FRCN ft-fl山，基于该算法的20-shot任务的mAP值为67.823%；在基于数据增强的方法中使用Faster R-CNN算法的mAP值达到了84.7%，使用YOLOv8算法的mAP是85.3%，YOLOv8算法略优于Faster R-CNN算法。迁移学习方法增强了检测模型的泛化能力，加快了模型的收敛速度；数据增强方法有效扩充了数据集，提升了小样本柑橘缺陷检测模型的准确性。

中图分类号:

. 基于迁移学习和数据增强的小样本柑橘缺陷检测研究[J]. 农业与技术, 2024, 44(2): 23-27.

参考文献

[1]牛晗，伍希志，任桂芹，等.基于OTSU与CANNY算法的竹片缺陷图像检测[J].森林工程，2022,38(06)：75-81. [2]杨国，黄文静，朱洪前，等.自然环境下黄绿柑橘检测通用模型的构建[J].林业工程学报，2022,7(05)：134-141. [3]王磊磊，王斌，李东晓，等.基于改进YOLO5的菇房平菇目标检测与分类研究[J].农业工程学报，2023,39(17)：163-171. [4]彭炫，周建平，许燕，等.改进YOL05识别复杂环境下棉花顶芽[J].农业工程学报，2023,39(16)：191-197. [5]高明星，关雪峰，范井丽，等.基于改进YOLO5-DeepS(0RT算法的公路路面病害智能识别[J].森林工程，2023,39(05)：161-174. [6]Li Fe-Fei,Fergus,Perona,et al.A Bayesian approach to unsu-pervised one-shot learning of object categories [C].ProceedingsNinth IEEE Interational Conference on Computer Vision,Nice,France,2003:1134-1141. [7]Dong X,Zheng L,Ma F,Yang Y,Meng D.Few-Example Ob-ject Detection with Model Communication J].IEEE Trans PatternAnal Mach Intell,2019,41(7):1641-1654. [8]史燕燕，史殿习，乔子腾，等.小样本目标检测研究综述J].计算机学报，2023,46(08)：1753-1780. [9]李芳琳.面向小样本数据的分类与检测方法及应用研究[D].南京：南京邮电大学，2022. [10]杨明欣，张耀光，刘涛。基于卷积神经网络的玉米病害小样本识别研究[J].中国生态农业学报（中英文），2020,28(12):1924-1931. [11]李红光，王玉峰，杨丽春.基于元学习的小样本遥感图像目标检测[J/0L].北京航空航天大学学报，1-16[2023-12-10]htps:/doi.org/10.13700/j.bh.1001-5965.2022.0637. [12]杜娟，杨钧植.基于迁移学习的小样本连接器缺陷检测方法[J].自动化与信息工程，2022,43(05)：1-7. [13]唐泽字，邹小虎，李鹏飞，等.基于迁移学习的小样本OFDM目标增强识别方法[J].上海交通大学学报，2022,56(12)：1666-1674. [14]黄友文，豆恒，肖贵光.融合分类校正与样本扩增的小样本目标检测[J/0L].计算机工程与应用，1-10[2023-12-10]http://kns.cnki.net/kcms/detail/11.2127.TP.20221104.1529.020.html. [15]吴晗，张志龙，李楚为，等.小样本红外图像的样本扩增与目标检测算法[J].控制理论与应用，2021,38(09)：1477-1485. [16]马鹏，艳芳.基于深度迁移学习的小样本智能变电站电力设备部件检测[J].电网技术，2020,44(03)：1148-1159. [17]Pan S J,Yang Q.A Survey on Transfer Learing J].IEEETransactions on Knowledge and Data Engineering,2010 (10):1345-1359. [18]Wang X,Huang T E,Darrell T,et al.Frustratingly simple few-shot object detection [J].ICML 20,2020,119:9919-9928. [19]Yan X,Chen Z,Xu A,et al.Meta R-CNN:Towards GeneralSolver for Instance-level Low-shot Learning [J].CoRR,2019:9577-9586. [20]Shaoqing R,Kaiming H,Ross G,et al.Faster R-CNN:To-wards Real-Time Object Detection with Region Proposal Networks.[J].IEEE transactions on pattern analysis and machine intelli-gence,2017,39(6):1137-1149.

基于迁移学习和数据增强的小样本柑橘缺陷检测研究

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	. 基于物联网的智能节水灌溉系统研究与应用[J]. 农业与技术, 2024, 44(6): 12-14.
[2]	. 基于智能控制的农业精准灌溉系统设计研究[J]. 农业与技术, 2024, 44(5): 46-48.
[3]	. 电子技术在农业领域中的应用[J]. 农业与技术, 2024, 44(5): 59-61.
[4]	. 基于PLC的立体花坛智能灌溉系统研究[J]. 农业与技术, 2024, 44(4): 53-58.
[5]	. 福建气象高清会商系统故障与应急处理[J]. 农业与技术, 2023, 43(24): 45-48.
[6]	. 基于Android手机的植物工厂多变量环控系统设计研究[J]. 农业与技术, 2023, 43(22): 30-35.
[7]	. 一种移动式温室环境无线测控装置的研究[J]. 农业与技术, 2023, 43(21): 36-41.
[8]	. 面向全生命周期管理的一田一码建设思路与应用设计[J]. 农业与技术, 2023, 43(18): 50-53.
[9]	. 农机装备网络协同制造参与主体利益分配机制研究[J]. 农业与技术, 2023, 43(11): 37-42.
[10]	. Darknet深度学习框架下基于YOLO V.3的病虫害识别和农药喷洒系统[J]. 农业与技术, 2023, 43(10): 33-38.
[11]	. 基于SolidWorks Flow Simulation的离心风机内流场仿真研究[J]. 农业与技术, 2023, 43(9): 29-34.
[12]	. 基于RGB图像的香梨体尺参数测量方法[J]. 农业与技术, 2023, 43(8): 25-28.
[13]	. 水果农药残留快速检测研究现状及展望[J]. 农业与技术, 2023, 43(7): 23-27.
[14]	. 资料室温湿度自动控制系统的设计[J]. 农业与技术, 2023, 43(7): 28-30.
[15]	. 基于卷积神经网络的玉米叶片疾病识别研究[J]. 农业与技术, 2023, 43(6): 24-29.