摘要通过使用精密设备可以提高新鲜木薯根的质量。作为开发自动木薯根切割系统的第一步,这项研究证明了使用具有深度学习的计算机视觉系统用于木薯茎检测。捕获了安装在木薯上的木薯树的RGB图像,并使用了带有Resnet 101和Resnet 50的基本体系结构的Yolo V4型号和两个蒙版R-CNN模型来训练重量以预测Cassava Stalk的位置。使用各种形状和大小的茎的一百个测试图像来确定抓地点和倾斜度,并将手动注释的结果与预测的结果进行了比较。关于本地化,具有重新网络101的蒙版R-CNN的性能明显高于其他模型,F1得分和平均值分别为0.81和0.70。Yolo V4显示最高的相关性
主要关键词