23、基于3D立体相机数据集的果园梨识别系统研究

基于3D立体相机数据集的果园梨识别系统研究

1. 训练细节

在这项研究中，使用了9054张PNG格式的四通道RGBA图像，其中3018张为原始图像，6036张为增强图像，所有图像均由同一台3D立体相机拍摄。验证集的大小通过验证集的损失函数进行调整，初始时，训练集、验证集和测试集按照6:3:1的比例划分，即训练集5054张图像，验证集2700张图像，测试集900张图像。
训练轮数（epoch）设置为80，每轮包含500步。实验过程中，由于Mask - RCNN只能使用三通道RGB图像进行预测，在发现错误后，将900张RGBA测试集图像的通道修改为RGB。

研究对相同数据集在不同学习率下进行了对比实验。当学习率设置为0.001时，训练损失降至0.3099，验证集损失降至0.4637。各部分损失情况如下表所示：
|损失类型|训练集损失|验证集损失|
| ---- | ---- | ---- |
|Mask R - CNN头边界框损失|0.0434|0.0601|
|Mask R - CNN头类别损失|0.0656|0.1119|
|Mask R - CNN掩码损失|0.1260|0.1310|
|RPN边界框损失|0.0677|0.1077|
|RPN类别损失|0.0071|0.0432|

整体损失由上述五种损失相加构成。分类损失表示训练模型预测正确类别的接近程度，Mask R - CNN类别损失用于头层，涵盖所有对象，而RPN类别损失仅涵盖图像的前景和背景。边界损失反映真实框与预测框之间的距离，Mask R - CNN掩码损失反映模型预测正确类别掩码的接近程度。

2. 模型指标评估