基于3D立体相机数据集的果园梨识别系统技术解析
在计算机视觉领域,水果识别系统一直是研究的热点,尤其是对于果园中的梨识别。本文将详细介绍一种基于3D立体相机数据集的果园梨识别系统,涵盖数据处理、模型训练等多个关键环节。
1. 数据划分
- 数据集构成 :该系统使用的数据集包含3018张在一天不同时间拍摄的图像。为了训练、验证和测试Mask R - CNN模型,数据集按照6:3:1的比例划分为训练集、验证集和测试集。
- 相机选择原因 :早期实验发现,使用ZED相机拍摄的训练集难以准确测试用iPhone™11手机拍摄的视频和图像。这是因为立体相机和手机相机的校准模块不同,以及相机的光圈和光线传输特性差异,导致准确识别变得困难。因此,所有实验都使用立体相机来生成数据集和测试集。
- 颜色处理 :立体相机拍摄的视频中,梨在不同阴影下呈现出明亮黄色、黄色和深黄色三种颜色。为了使模型适应梨的各种角度和颜色,所有颜色的梨都经过校准后被放入训练集和验证集中。
- 数据增强 :由于原始数据集存在同质化问题,在暗光条件下梨和叶子的形状趋于相似。为了解决这个问题,对数据集进行了数据增强操作。通过翻转和旋转原始数据集中的每张图像,使梨在不同角度仍保持球形,而叶子呈现出不同的形状。经过数据增强后,数据集扩展到9054张图像,其中训练集有5054张,验证集有2700张,测试集有900张,比例仍为6:3:1。此外,还对原始数据集的每张图像进行了30°旋转和180°翻转。
订阅专栏 解锁全文
1083



被折叠的 条评论
为什么被折叠?



