《表3 不同图像增强方法效果对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于卷积神经网络的草莓识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

考虑夜晚在只有一个LED灯照明的情况下，采集的草莓图像背景过暗，模型很难将检测目标与背景区分，置信度过低导致无法达到检测目的。因此对夜晚的草莓图像进行图像增强。本文采用基于直方图均衡化[27]、拉普拉斯（Laplus）算子、对数变换、伽马（Gamma）变换[28-29]的4种图像增强方法对图像进行处理。由OpenCV图像增强算法处理后的图像相较原图在亮度、灰度、对比度、锐度等方面都有显著的改善，草莓特征与背景明显区分开。为了选择较好的图像增强方法，随机抽取夜晚草莓图像30幅，重复抽取3次共90幅，采用YOLOv3算法对增强后的图像进行实际效果检测，如图4所示。其中，cms表示成熟草莓，cmws表示未成熟草莓。由图4可以看出，原图背景过暗，识别效果差，甚至无法识别。不同图像增强算法效果对比如表3所示，增强后的图像可以明显看出草莓特征，并且识别精度提高，漏识别和一果多框的现象显著减少。