文献类型： 中文期刊

作者： 何锐敏 ¹ ; 郑可锋 ² ; 尉钦洋 ¹ ; 张小斌 ² ; 张俊 ¹ ; 朱怡航 ² ; 赵懿滢 ² ; 顾清 ² ;

作者机构： 1.嵊州陌桑高科股份有限公司

2.浙江省农业科学院数字农业研究所

关键词： 家蚕;人工饲料;精准饲喂;机器视觉;深度学习;mask R-CNN;噪声数据

期刊名称： 智慧农业(中英文)

ISSN： 2096-8094

年卷期： 2022 年 4 卷 002 期

页码： 163-173

摘要： 精准饲喂是全龄人工饲料工厂化养蚕节本增效的核心技术之一,家蚕自动化识别与计数是实现精准饲喂的关键环节.本研究基于机器视觉系统获取工厂化养蚕过程中蚕在4龄和5龄期的数字图像,利用改进深度学习模型Mask R-CNN检测蚕体和残余饲料.通过在Mask R-CNN模型框架中加入像素重加权策略和边界框细调策略,从噪声数据中训练一个鲁棒性更好的目标检测模型,实现模型性能的优化,提高对蚕体和饲料边界的检测和分割能力.改进Mask R-CNN模型对蚕的检测和分割交并比阈值为0.5时的平均精度(Average Precision at IoU=0.5,AP50)分别为0.790和0.795,识别准确率为96.83%;对残余饲料的检测和分割AP50分别为0.641和0.653,识别准确率为87.71%.模型部署在NVIDIA Jetson AGX Xavier开发板上,单张图像平均检测时间为1.32 s,最长检测时间为2.05 s,运算速度可以满足养蚕盒单元在生产线上移动实时检测的要求.该研究为工厂化养蚕精准饲喂信息系统和投喂装置的研发提供了核心算法,可提高人工饲料的利用率,提升工厂化养蚕生产管理水平.