《表3 不同图像增强方法效果对比》
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。
图表编号 | XD00135814600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 刘小刚、范诚、李加念、高燕俐、章宇阳、杨启良 |
绘制单位 | 昆明理工大学农业与食品学院、昆明理工大学农业与食品学院、昆明理工大学农业与食品学院、昆明理工大学农业与食品学院、昆明理工大学农业与食品学院、昆明理工大学农业与食品学院 |
更多格式 | 高清、无水印(增值服务) |