《表5 3种算法对不同时间段的草莓检测试验结果比较》

  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

表5为3种算法在不同时间段对草莓识别结果的比较。在不同时间段下，总体上白昼时识别的调和平均值F1、F2最大，比夜晚高近5个百分点，说明亮度对识别的效果影响很大，过暗的环境下草莓特征极不明显，增加识别难度。从表5中可以看出，YOLOv3算法F值比YOLOv2算法平均高2.79个百分点，YOLOv2算法与RetinaNet算法在白昼时的F值相似，傍晚和夜晚环境下YOLOv2算法比RetinaNet算法的F值略高。同一方法检测下，成熟草莓和未成熟草莓在白昼的F值相似，傍晚和夜晚环境下成熟草莓的F值比未成熟草莓略高。总体上YOLOv3算法每帧图像检测时间是YOLOv2算法的41.13%，是RetinaNet算法的38.57%。