第50卷第2期2023年2月Vol.50，No.2Feb.2023湖南大学学报（自然科学版）JournalofHunanUniversity（NaturalSciences）基于改进MaskR-CNN的番茄茎秆分类方法项荣†，张茂琛（中国计量大学质量与安全工程学院，浙江杭州310018）摘要：为实现对与背景近色、不规则细长型目标——番茄茎秆的分类，提出了一种基于改进MaskR-CNN的番茄茎秆分类算法.采集日间和夜间番茄植株图像，使用labelme分别制作日间和夜间番茄茎秆分类数据集.结合迁移学习方法，使用两种数据集分别训练MaskR-CNN模型.对Mask分支进行了改进，在生成掩膜的同时生成其最小外接矩，并提出了用于评估掩膜边框精确率的评价指标Re及用于综合评估模型性能的像素级评价指标.试验结果显示：夜间及日间茎秆分类模型的像素F1值、像素全类平均正确率分别为48.82%、50.03%和57.76%、56.06%.Mask分支改进后掩膜边框精确率得到了显著提高，平均每幅图像检测耗时0.31s，满足实际应用对算法实时性的需求，可为植株修剪等工作的智能化提供方法支持．关键词：番茄植株；茎秆分类；MaskR-CNN；像素级评价指标中图分类号：TP391.41文献标志码：ATomatoStemClassificationMethodBasedonImprovedMaskR-CNNXIANGRong†，ZHANGMaochen（CollegeofQualityandSafetyEngineering，ChinaJiliangUniversity，Hangzhou310018，China）Abstract：Torealizethetomatostemclassificationofirregularthinandlongobjectswithasimilarcolortothebackground，analgorithmfortomatostemclassificationbasedonimprovedMaskR-CNNwasproposed.First，theimagesofdaytimeandnighttomatoplantswerecollected，andstemsintheimageswerelabeledusingtheLabelmetoproducedatasetsoftomatostemclassificationatdaytimeandnight，separately.Then，theMaskR-CNNmodelwastrainedseparatelyusingthetwodatasetswiththetransferlearningmethod.TheMaskbranchwasimprovedtogener⁃ateitsminimumexternalmomentwhentheMaskwasproduced，anevaluationindexRewasproposedtoevaluatetheaccuracyoftheMaskborder，andpixel-levelevaluationindexeswereproposedtocomprehensivelyevaluatetheper⁃formanceofthemodel.TestresultsshowthatthepixelF1scoreandpixelmeanaverageprecisionofthenightanddaystemclassificationmodelare48.82%，50.03%，and57.76%，56.06%，respectively.AftertheimprovementoftheMaskbranch，theaccuracyofthemaskborderis...
