第22卷第2期2023年2月Vol.22No.2Feb.2023软件导刊SoftwareGuide基于深度学习的番茄识别与实例分割高倩，诸德宏，封浩（江苏大学电气信息工程学院，江苏镇江212003）摘要：目前番茄采摘主要依靠人工，实现番茄产业机械化和智能化刻不容缓，而番茄检测是最基础也最重要的一步。针对该问题，提出一种基于改进MaskRCNN的番茄检测算法。该算法选择ResNet50和FPN作为主干网络，提出一种新型RoI提取器，并在算法模型中使用空洞卷积（Atrous）。通过Labelme自制番茄数据集，将改进算法在自制数据集上进行训练和测试。结果表明，与FasterRCNN和MaskRCNN模型相比，改进后的模型AP值分别提高了5.5%和4.7%，AR值分别提升了6.8%和4.6%。该算法不仅提高了番茄的识别准确率，还更好地实现了实例分割。关键词：番茄检测；MaskRCNN；新型RoI提取器；空洞卷积；实例分割DOI：10.11907/rjdk.221276开放科学（资源服务）标识码（OSID）：中图分类号：TP391.4文献标识码：A文章编号：1672-7800（2023）002-0075-06TomatoRecognitionandInstanceSegmentationBasedonDeepLearningGAOQian，ZHUDe-hong，FENGHao（SchoolofElectricalandInformationEngineering，JiangsuUniversity，Zhenjiang212003，China）Abstract：Atpresent，tomatopickingmainlyreliesonmanuallabor，soitisurgenttorealizethemechanizationandintelligenceofthetomatoindustry，andtomatodetectionisthemostbasicandmostimportantstep.Inresponsetothis，proposeatomatodetectionalgorithmbasedonimprovedMaskRCNN.ThealgorithmselectsResNet50andFPNasthebackbonenetwork，proposesanovelRoIextractor，andusesatrousconvolution（Atrous）inthealgorithmmodel.ThroughtheLabelmeself-madetomatodataset，theimprovedalgorithmwillbetrainedandtest⁃edontheself-madedataset.ComparedwiththeFasterRCNNandMaskRCNNmodels，theimprovedmodelalsoincreasestheAPvalueby5.5%and4.7%，respectively，andtheARvaluethat'sanincreaseof6.8%and4.6%，respectively.Theresultsshowthatitnotonlyimprovestherecognitionaccuracyoftomatoes，butalsobetterachievesinstancesegmentation.KeyWords：tomatodetection；MaskRCNN；newRoIextractor；Atrous；instancesegmentation0引言在我国，随着机器视觉技术的快速发展，图像处理已成为贯穿农业产业链各个阶段的重要技术之一，在选种适配、生长过程、采摘方式及...
