• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    自然環(huán)境下黃綠柑橘檢測通用模型的構(gòu)建

    2022-09-28 01:50:10楊國黃文靜朱洪前丁鍵任會李丹肖恒玉胡濤
    林業(yè)工程學(xué)報(bào) 2022年5期
    關(guān)鍵詞:柑橘黃色損失

    楊國,黃文靜,朱洪前*,丁鍵,任會,李丹,肖恒玉,胡濤

    (1. 中南林業(yè)科技大學(xué),長沙 410004; 2. 江蘇護(hù)理職業(yè)學(xué)院,淮安 223002)

    自然環(huán)境下柑橘檢測和產(chǎn)量預(yù)估受到不同光照、復(fù)雜的冠層結(jié)構(gòu)、生長過程中的顏色變化、遮擋或者重果以及小尺寸的影響[1]。對于冠層結(jié)構(gòu),韓蕊等[2]利用無人機(jī)遙感、多光譜圖像提取柑橘樹冠信息,進(jìn)行樹冠分割與株數(shù)統(tǒng)計(jì)。

    近年來,隨著深度學(xué)習(xí)技術(shù)的快速發(fā)展,國內(nèi)外專家學(xué)者們在水果檢測方面取得了一系列的研究成果。Aleixos等[3]應(yīng)用貝葉斯決策理論實(shí)時對柑橘類水果表面進(jìn)行多光譜檢測。López-García等[4]采用多變量圖像分析法和主成分分析法實(shí)現(xiàn)柑橘類水果表面的缺陷檢測。Lu等[5]通過融合色差圖、歸一化RGB模型和光照圖的分割結(jié)果,研究了可變光照和不同程度遮擋樹冠下柑橘類水果的檢測,所采用的融合方法可以檢測目標(biāo)水果的高光、陰影和漫射區(qū)域。Sengupta等[6]開發(fā)了霍夫圓檢測等算法,基于SVM的紋理分類和其他假陽性去除技術(shù)來檢測自然條件下綠色冠層中的未成熟柑橘。熊俊濤等[7]利用Faster R-CNN目標(biāo)檢測算法對樹上的綠色柑橘進(jìn)行檢測研究,建立了自然環(huán)境下不同光照、不同尺寸柑橘和不同數(shù)量柑橘的圖像樣本集,最終在測試集上的平均精度為85.49%。王丹丹等[8]提出一種利用RseNet-44對R-FCN網(wǎng)絡(luò)進(jìn)行改進(jìn)的蘋果目標(biāo)識別算法,采用RseNet-44全卷積網(wǎng)絡(luò),最終在測試數(shù)據(jù)集上得到的召回率為85.7%,準(zhǔn)確率為95.1%,識別速度為0.187 s/幅。李善軍等[9]提出了一種基于改進(jìn)SSD深度學(xué)習(xí)模型的柑橘實(shí)時分類檢測方法,最終該模型的mAP(mean average precision)達(dá)到87.89%,平均檢測時間為20.27 ms。韓文等[10]提出基于Tiny-YOLOv3網(wǎng)絡(luò)的目標(biāo)檢測方法,在2個數(shù)據(jù)集上試驗(yàn)以驗(yàn)證改進(jìn)模型的有效性,在果園柑橘數(shù)據(jù)集中,準(zhǔn)確率、召回率以及F1分別為88.98%,95.29%和92.03%。呂石磊等[11]提出一種基于改進(jìn)YOLOv3-LITE輕量級神經(jīng)網(wǎng)絡(luò)的柑橘識別方法,在全部測試集上,F(xiàn)1和AP分別為0.936 9和91.13%。孫寶霞等[12]對夜間自然環(huán)境下成熟的柑橘進(jìn)行識別與表征缺陷檢測,所采用的YOLOv4模型檢測方法在柑橘測試集上的精確率、召回率、F1以及mAP分別為95.32%,94.59%,0.95和90.52%。

    綜上所述,國內(nèi)外對于水果檢測特別是柑橘的檢測都取得了很多成果,但是大都只是對于一種顏色特征或者對于某一特定類型的柑橘進(jìn)行檢測,得到的模型通用性和魯棒性不佳,而柑橘作為極為常見的水果,未成熟時為綠色,成熟之后更是存在黃色和綠色兩種顏色特征,加之其生長環(huán)境極為復(fù)雜,進(jìn)一步增加了自然環(huán)境下的柑橘檢測難度。深度學(xué)習(xí)的方法通過層層網(wǎng)絡(luò)結(jié)構(gòu),對圖像的淺層到高層特征進(jìn)行提取歸類,達(dá)到準(zhǔn)確識別類別的目的[13]。筆者基于深度學(xué)習(xí)方法的識別模型選取了基于VGG16的 Faster R-CNN、基于Resnet的 Faster R-CNN以及YOLOv5s,以自然環(huán)境下成熟柑橘的兩種顏色形態(tài)建立數(shù)據(jù)集進(jìn)行柑橘檢測,通過試驗(yàn)對比及模型訓(xùn)練,將基于深度學(xué)習(xí)的算法模型用于自然環(huán)境下的柑橘檢測,以期為經(jīng)濟(jì)林下農(nóng)業(yè)生產(chǎn)中自然成熟狀態(tài)下果實(shí)為綠色和黃色的水果以及類圓水果的視覺檢測研究提供技術(shù)支持。

    1 材料與方法

    1.1 圖像獲取

    本研究以多個品種的柑橘作為研究對象,采集地點(diǎn)為長沙市百果園及長沙市橘子洲頭,采集圖像包含黃色和綠色柑橘。圖像采集在一天中的不同時段進(jìn)行,涵蓋晴天、陰天和雨后。所有圖像均使用智能手機(jī)攝像頭和工業(yè)相機(jī)采集,所有試驗(yàn)數(shù)據(jù)集均為自然狀態(tài)下未經(jīng)處理的自然圖像。數(shù)據(jù)集中共有13 091 個柑橘圖像,其中黃色柑橘圖像為8 877 個,綠色柑橘圖像為4 214個。自然環(huán)境下的柑橘具體數(shù)量分布情況見表1。

    表1 自然條件下的柑橘數(shù)量Table 1 Number of citrus under natural conditions

    1.2 數(shù)據(jù)集制作

    圖像數(shù)據(jù)集分為訓(xùn)練數(shù)據(jù)集、驗(yàn)證數(shù)據(jù)集和測試數(shù)據(jù)集,最終采集了1 682張綠色柑橘圖像以及1 830張黃色柑橘圖像。對于黃色柑橘圖像,訓(xùn)練集圖像為1 498張,驗(yàn)證集圖像為167張,測試集圖像為165張;對于綠色柑橘圖像,訓(xùn)練集圖像為1 361張,驗(yàn)證集圖像為152張,測試集圖像為169張。

    1.3 監(jiān)督學(xué)習(xí)的人工標(biāo)注

    研究采取監(jiān)督學(xué)習(xí)的人工標(biāo)注,數(shù)據(jù)集標(biāo)注(圖1)過程中樣品位置按照邊界原則,將樣品盡可能標(biāo)記在最小切線矩形內(nèi)。圖1顯示了一個圖像注釋示例,包括一些部分被樹葉、枝干遮擋以及重疊造成的不完全標(biāo)注圖像。標(biāo)注使用的軟件是LabelImg,標(biāo)簽格式為“xml”。

    圖1 數(shù)據(jù)集標(biāo)注Fig. 1 Data set annotation

    1.4 柑橘檢測的深度學(xué)習(xí)算法

    深度學(xué)習(xí)算法在圖像、語音、文本等方面的運(yùn)用越來越廣泛。鑒于傳統(tǒng)的檢測方法已經(jīng)不能滿足信息化、自動化以及智能化需求,而深度學(xué)習(xí)的優(yōu)勢在于深度卷積神經(jīng)網(wǎng)絡(luò)具有學(xué)習(xí)功能,可以通過端到端直接回歸訓(xùn)練,同時還有高精度和實(shí)時性等優(yōu)點(diǎn),并且有利于發(fā)現(xiàn)高維的復(fù)雜結(jié)構(gòu)數(shù)據(jù)。此外,將更多的數(shù)據(jù)用于訓(xùn)練深度學(xué)習(xí)模型,將增加模型的魯棒性和泛化性。對比前人所采取的研究模型,本研究選用基于VGG16的Faster R-CNN、基于Resnet的Faster R-CNN以及YOLOv5s這3種算法模型進(jìn)行柑橘檢測研究。

    1.4.1 Faster R-CNN柑橘檢測算法

    Faster R-CNN[14]是繼RCNN[15]和Fast-RCNN[16]后提出的目標(biāo)檢測方法,該算法可直接使用RPN生成檢測框?;贔aster R-CNN的用于柑橘檢測的圖像處理過程如圖2所示。

    圖2 柑橘的Faster R-CNN圖像處理過程Fig. 2 The Faster R-CNN image processing process of orange

    在目標(biāo)檢測中,F(xiàn)aster R-CNN的巨大優(yōu)勢是直接使用RPN生成檢測框,能極大提升檢測框的生成速度。Faster R-CNN損失函數(shù)通??梢赃x擇絕對值損失函數(shù)L1和平方損失函數(shù)L2,對于絕對值損失函數(shù)L1,容易導(dǎo)致訓(xùn)練不穩(wěn)定,而且這個函數(shù)在0點(diǎn)處導(dǎo)數(shù)不存在,因此可能會影響模型收斂。L2損失函數(shù)對離群點(diǎn)和異常值較為敏感,訓(xùn)練時容易發(fā)散;而在模型訓(xùn)練過程中,選擇分段函數(shù)作為損失函數(shù)很好地解決了上述問題。SmoothL1同時避開了L1和L2損失的缺陷,不會因預(yù)測值的梯度過大導(dǎo)致訓(xùn)練不穩(wěn)定。由于本研究的數(shù)據(jù)集比較復(fù)雜,所以選用SmoothL1作為損失函數(shù),其RPN的損耗函數(shù)定義如下:

    (1)

    (2)

    (3)

    1.4.2 YOLOv5s柑橘檢測算法

    YOLO將物體的定位和分類一起完成,輸入一副原始圖像,由單一網(wǎng)絡(luò)可直接推理出目標(biāo)位置,更能滿足工業(yè)上的實(shí)時性要求,效果魯棒;從自然圖像遷移到藝術(shù)等其他領(lǐng)域的圖像時,效果也很好??紤]到模型的輕量化要求,本研究采用的是YOLOv5系列中網(wǎng)絡(luò)結(jié)構(gòu)最輕、深度最小以及特征圖寬度最小的YOLOv5s網(wǎng)絡(luò)。網(wǎng)絡(luò)主要分為輸入端、基準(zhǔn)網(wǎng)絡(luò)、Neck網(wǎng)絡(luò)、預(yù)測框4個部分,其網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

    圖3 YOLOv5s網(wǎng)絡(luò)結(jié)構(gòu)Fig. 3 YOLOv5s network structure

    YOLOv5采用了BECLogits損失函數(shù)計(jì)算objectness score的損失[17],class probability score采用了交叉熵?fù)p失函數(shù)(BCEclsloss),bounding box采用了GIOU Loss。

    (4)

    (5)

    式中:IoU為交并比;A和B為兩個任意框面積;C為A、B兩個框面積的最小閉包區(qū)域面積;A∩B表示兩個任意框面積的交集;A∪B表示兩個任意框面積的并集。式(5)表示用IoU減去閉包區(qū)域中不屬于兩個框的區(qū)域占閉包區(qū)域的比重。

    2 試驗(yàn)過程與結(jié)果分析

    2.1 試驗(yàn)環(huán)境

    3種檢測模型為基于VGG16的Faster R-CNN、基于Resnet的Faster R-CNN以及YOLOv5s,所采用的gpu為GTX2060,訓(xùn)練所采用的模型框架為Anaconda+PyCharm+Pytorch+Python3.8。

    2.2 試驗(yàn)參數(shù)設(shè)置

    完成數(shù)據(jù)集準(zhǔn)備、試驗(yàn)環(huán)境配置以及算法模型搭建后,經(jīng)過多次調(diào)參,最終確定了各個模型的參數(shù),如表2所示。此外,為了節(jié)約內(nèi)存,迭代次數(shù)每訓(xùn)練50次保存1次模型。

    表2 模型的參數(shù)設(shè)置Table 2 Parameter settings of the model

    2.3 模型訓(xùn)練

    試驗(yàn)過程中,根據(jù)驗(yàn)證集的損失值對模型性能進(jìn)行分析,損失值的大小用于判斷模型是否收斂。比較重要的是損失值有收斂的趨勢,即驗(yàn)證集損失值不斷下降,損失值并不是接近于0才好,如果驗(yàn)證集損失基本上不改變,則模型基本上就收斂了。

    3個模型在兩種數(shù)據(jù)集下的訓(xùn)練損失loss值變化曲線見圖4~6。從圖4中可以看出,基于Resnet的Faster R-CNN在進(jìn)行綠色柑橘試驗(yàn)時,當(dāng)經(jīng)過30次迭代時,驗(yàn)證集損失值開始趨于穩(wěn)定,之后繼續(xù)訓(xùn)練網(wǎng)絡(luò),直到50次時停止訓(xùn)練;基于Resnet的Faster R-CNN在進(jìn)行黃色柑橘試驗(yàn)時,模型擬合較慢,直到50次迭代時才開始收斂,訓(xùn)練出來的模型效果也很差,遠(yuǎn)遠(yuǎn)低于同一模型下的綠色柑橘模型訓(xùn)練結(jié)果。說明該模型用于兩種特征的柑橘檢測時,通用性不強(qiáng)。由圖5可知,基于VGG16的Faster R-CNN在進(jìn)行綠色柑橘試驗(yàn)時,當(dāng)經(jīng)過40次迭代時,驗(yàn)證集損失值開始趨于穩(wěn)定,模型收斂速度快,設(shè)置迭代80次后停止訓(xùn)練,模型的AP是92.82%;基于VGG16的Faster R-CNN在進(jìn)行黃色柑橘試驗(yàn)時,模型擬合較慢,直到50次迭代時才開始收斂,訓(xùn)練出來的模型效果也很差,設(shè)置迭代80次,模型的AP僅為51.77%,此模型針對黃、綠兩種柑橘,訓(xùn)練結(jié)果差別相對較大,而且對于黃色柑橘檢測效果差,說明此模型通用性也不強(qiáng)。由圖6可知,采用YOLOv5進(jìn)行網(wǎng)絡(luò)訓(xùn)練時,數(shù)據(jù)收斂較快,在進(jìn)行綠色柑橘試驗(yàn)時AP是97.2%,在進(jìn)行黃色柑橘試驗(yàn)時AP是97.4%。

    圖4 Faster R-CNN Resnet50模型訓(xùn)練損失曲線Fig. 4 Faster R-CNN Resnet50 model training loss curves

    圖5 Faster R-CNN VGG16模型訓(xùn)練損失曲線Fig. 5 Faster R-CNN VGG16 model training loss curves

    圖6 YOLOv5s模型訓(xùn)練驗(yàn)證損失曲線Fig. 6 YOLOv5s model training verification loss curves

    2.4 評價指標(biāo)

    本試驗(yàn)采用4個指標(biāo)進(jìn)行評估,分別是精確率(precision,公式中記為P)、召回率(recall rate,公式中記為R)、平均精度(average precision,公式中記為AP)以及F1(balanced F score,公式中記為F1),以置信度高于0.5的目標(biāo)數(shù)量作為試驗(yàn)網(wǎng)絡(luò)所檢測到的柑橘數(shù)目。P、R、AP和F1的相關(guān)計(jì)算公式分別如式(6)~(9)所示:

    P=tp/(tp+fp)

    (6)

    R=tp/(tp+fn)

    (7)

    (8)

    F1=2×P×R/(P+R)

    (9)

    式中:tp是實(shí)際為正樣本被預(yù)測為正樣本;fp是實(shí)際為負(fù)樣本被預(yù)測為正樣本;fn是實(shí)際為正樣本被預(yù)測為負(fù)樣本。

    2.5 結(jié)果與分析

    2.5.1 黃色柑橘試驗(yàn)結(jié)果分析

    黃色柑橘具有與自然環(huán)境下柑橘生長環(huán)境完全不同的顏色特征。由柑橘在不同模型下的檢測指標(biāo)(表3)可知,對于所有黃色柑橘數(shù)據(jù)集,與YOLOv5s相比,基于Faster R-CNN的兩種檢測模型的試驗(yàn)結(jié)果都相對較差。針對數(shù)據(jù)集的情況以及試驗(yàn)結(jié)果分析如下:

    1)模型自身的缺陷,對于Faster R-CNN,不論是使用VGGnet還是Resnet,其提取到的特征圖都是單層的,分辨率也比較??;

    2)數(shù)據(jù)集中遮擋或者重果的圖像較多,在試驗(yàn)過程中,有時會出現(xiàn)錯檢或者漏檢,說明Faster R-CNN對遮擋的目標(biāo)檢測較困難;

    3)數(shù)據(jù)集樣本中有太多自然環(huán)境因素的干擾,模型訓(xùn)練結(jié)束,將一些比較復(fù)雜和小尺寸柑橘圖像傳入模型后,檢測效果差,說明Faster R-CNN的兩種檢測模型對于復(fù)雜程度過高以及密集小尺寸柑橘的檢測是存在困難的;

    4)將小尺寸柑橘圖像以及遮擋或者重果圖像傳入訓(xùn)練好的YOLOv5s模型后,發(fā)現(xiàn)檢測效果更好,準(zhǔn)確性高而且速度更快,說明與Faster R-CNN相比,YOLOv5s對于小尺寸柑橘以及遮擋重疊的柑橘檢測效果更好。

    表3 柑橘在不同模型下的檢測結(jié)果Table 3 Detection results of orange using different models

    綜上所述,對于黃色柑橘,YOLOv5s與基于VGG16的Faster R-CNN模型以及基于Resnet的Faster R-CNN模型相比,基于YOLOv5s的模型對于自然環(huán)境下黃色柑橘的檢測效果最優(yōu),速度更快,其精確率為91.90%、召回率為99.00%、F1為 0.94、AP為97.40%。

    2.5.2 綠色柑橘試驗(yàn)結(jié)果分析

    對于綠色柑橘數(shù)據(jù)集,自然環(huán)境下綠色柑橘的表皮顏色特征與柑橘樹顏色特征基本一致。根據(jù)柑橘在不同模型下的檢測指標(biāo)可知,對于所有綠色柑橘,與YOLOv5s相比,基于Faster R-CNN兩個模型的精確率和F1相對較低,對Faster R-CNN柑橘檢測模型分析如下:

    1)綠色柑橘數(shù)據(jù)集偏小,數(shù)據(jù)集過于復(fù)雜,導(dǎo)致模型沒有學(xué)習(xí)到更深層次的特征,精確率偏低;

    2)Faster R-CNN模型的參數(shù)量過多,卷積層數(shù)過深,對于具有相似特征的目標(biāo)特征提取困難;

    3)與黃色柑橘相比,綠色柑橘各項(xiàng)指標(biāo)更高,說明所提取的目標(biāo)與背景具有相似顏色特征的情況下,F(xiàn)aster R-CNN模型仍然可以完成特征提取。

    綜上所述,YOLOv5s模型用于自然環(huán)境下黃、綠兩種顏色特征的柑橘檢測,其各項(xiàng)指標(biāo)以及檢測效果均有了更大的提升,而且對于兩種顏色特征的柑橘都具有很好的檢測表現(xiàn)。與VGG16的Faster R-CNN模型以及Resnet的Faster R-CNN相比,YOLOv5s模型通用性更強(qiáng),未來對于柑橘檢測的研究有更好的參考價值。

    2.6 不同模型的測試效果

    2.6.1 不同光照條件下的柑橘檢測試驗(yàn)

    利用計(jì)算機(jī)視覺進(jìn)行目標(biāo)檢測時,一般要求工作環(huán)境具備良好的光照條件,但是自然環(huán)境下的場景較為復(fù)雜,可能包含一天中的不同時段,所以要求模型有更好的魯棒性,能適應(yīng)不同光照強(qiáng)度,在光照強(qiáng)度發(fā)生變化時,仍然能夠達(dá)到檢測要求。筆者收集了一部分不同光照強(qiáng)度的圖像(圖7),將其傳入訓(xùn)練好的柑橘檢測模型中,給出了一些測試圖像在不同模型以及不同光照條件下的柑橘檢測效果。從檢測結(jié)果可以看出:對于黃色柑橘,Resnet50的檢測效果相對較差,甚至出現(xiàn)了漏檢,而Faster R-CNN+VGG16與YOLOv5s都能準(zhǔn)確無誤地將目標(biāo)檢測出來;對于綠色柑橘,所有模型均能達(dá)到很好的預(yù)測效果。

    a)Faster R-CNN+Resnet50;b)Faster R-CNN+VGG16;c)YOLOv5s。圖7 不同模型不同光照環(huán)境下的柑橘檢測效果Fig. 7 Orange detection effect using different models and different lighting environments

    2.6.2 遮擋與重果情況下的柑橘檢測試驗(yàn)

    在自然環(huán)境下生長的柑橘,往往會出現(xiàn)果實(shí)被枝葉包裹、遮擋以及果實(shí)密集等情況,這對于采摘機(jī)器人的視覺系統(tǒng)設(shè)計(jì)來說是一個必須解決的關(guān)鍵問題。在完成了柑橘檢測試驗(yàn)之后,收集了一部分重果和被枝葉遮擋的自然環(huán)境下的柑橘圖像,將未經(jīng)任何處理的柑橘圖像傳入訓(xùn)練好的柑橘檢測模型,3種檢測模型的效果如圖8所示。對于簡單的重果和遮擋場景,3種模型都能完成預(yù)測;而對于重疊程度高以及枝葉遮擋較為嚴(yán)重的狀況,相比較而言,Resnet50就會出現(xiàn)偏差,甚至出現(xiàn)漏檢現(xiàn)象,而VGG16與YOLOv5s都能完成目標(biāo)檢測。

    在圖像測試過程中,F(xiàn)aster R-CNN+VGG16與Faster R-CNN+Resnet在檢測時雖然能達(dá)到一定程度的檢測要求,但是訓(xùn)練模型用時長,占用內(nèi)存多,而且檢測速度相對較慢,而YOLOv5s使得模型更加輕量化,檢測速度更快。本研究基于YOLOv5s訓(xùn)練自然環(huán)境下的柑橘檢測專用模型,平均檢測速度分別達(dá)到27和32幀/s,完全滿足檢測的實(shí)時性要求。

    a)Faster R-CNN+Resnet50;b)Faster R-CNN+VGG16;c)YOLOv5s。圖8 不同模型不同遮擋或者重果環(huán)境下的柑橘檢測效果Fig. 8 Orange detection effect using different occlusions or heavy fruit environments of different models

    自然環(huán)境下除了考慮上述因素,還會出現(xiàn)一些小尺寸柑橘,將相關(guān)圖像進(jìn)行采集測試,可得到Y(jié)OLOv5s試驗(yàn)的檢測結(jié)果,如圖9所示。

    圖9 小尺寸柑橘檢測情況Fig. 9 Small size citrus detection situation

    3 結(jié) 論

    1)提出了一種基于YOLOv5s的自然環(huán)境下柑橘檢測方法,基于YOLOv5s深度學(xué)習(xí)框架,結(jié)合自然環(huán)境下柑橘的兩種顏色特征,分別進(jìn)行多次試驗(yàn),最終訓(xùn)練得到的模型在黃、綠兩種柑橘驗(yàn)證集上的平均精度分別達(dá)到了97.40%與97.20%,平均檢測速度達(dá)到27和32幀/s,可滿足實(shí)時性要求。

    2)對比其他算法的通用性,對于黃色柑橘,YOLOv5s模型與基于VGG16的Faster R-CNN模型以及基于Resnet的Faster R-CNN模型相比:精確率分別提高了51.54%和40.84%;召回率分別提高了41.08%和37.83%;F1分別提高了0.46和0.38;平均精度分別提高了45.51%和41.18%;平均檢測速度分別提高了22和23幀/s。

    3)對比其他算法的通用性,對于綠色柑橘,YOLOv5s模型與基于VGG16的Faster R-CNN模型以及基于Resnet的Faster R-CNN模型相比:精確率分別提高了21.38%和17.88%;召回率分別提高了3.65%和3.36%;F1分別提高了0.12和0.10。平均精度分別提高了4.38%和4.13%;平均檢測速度分別提高了25和26幀/s。

    4)YOLOv5s模型對于光照、重果、遮擋以及小尺寸柑橘的檢測都有很好的表現(xiàn)。

    綜上所述,本研究針對柑橘成熟之后存在黃色和綠色兩種顏色特征,提出了針對兩種特征的通用檢測方案,試驗(yàn)結(jié)果有利于后續(xù)開展機(jī)器采摘和柑橘估產(chǎn)研究工作。

    猜你喜歡
    柑橘黃色損失
    你瞧,黃色
    少問一句,損失千金
    胖胖損失了多少元
    吃柑橘何來黃疸——認(rèn)識橘黃病
    玉米抽穗前倒伏怎么辦?怎么減少損失?
    柑橘大實(shí)蠅綜合治理
    “五及時”柑橘凍害恢復(fù)技術(shù)
    浙江柑橘(2016年4期)2016-03-11 20:12:59
    一般自由碰撞的最大動能損失
    幫孩子擺脫“黃色誘惑”
    人生十六七(2015年5期)2015-02-28 13:08:27
    柑橘實(shí)蠅防治一法
    а√天堂www在线а√下载| 日韩有码中文字幕| a级毛片免费高清观看在线播放| 91字幕亚洲| av专区在线播放| 国产在视频线在精品| 免费一级毛片在线播放高清视频| 男插女下体视频免费在线播放| 亚洲性夜色夜夜综合| 国产欧美日韩一区二区三| 无遮挡黄片免费观看| 不卡一级毛片| 午夜两性在线视频| 国产亚洲精品综合一区在线观看| 桃色一区二区三区在线观看| 国产欧美日韩一区二区精品| 国内揄拍国产精品人妻在线| 国产午夜福利久久久久久| 亚洲在线观看片| 国产黄色小视频在线观看| 亚洲电影在线观看av| a级一级毛片免费在线观看| 欧美日韩亚洲国产一区二区在线观看| 亚洲五月婷婷丁香| 亚洲av一区综合| 人人妻,人人澡人人爽秒播| 窝窝影院91人妻| 一级av片app| 精品人妻一区二区三区麻豆 | 国产私拍福利视频在线观看| 波野结衣二区三区在线| 午夜日韩欧美国产| 老司机午夜福利在线观看视频| 18禁裸乳无遮挡免费网站照片| 中文字幕人成人乱码亚洲影| 麻豆成人av在线观看| 在线国产一区二区在线| 亚洲精品乱码久久久v下载方式| 久久草成人影院| 亚洲av免费高清在线观看| 五月玫瑰六月丁香| 一a级毛片在线观看| 神马国产精品三级电影在线观看| 看十八女毛片水多多多| 一个人看视频在线观看www免费| 国产av麻豆久久久久久久| 老女人水多毛片| 亚洲avbb在线观看| 男人的好看免费观看在线视频| 女人十人毛片免费观看3o分钟| 久久精品影院6| 88av欧美| 国产私拍福利视频在线观看| 美女免费视频网站| 最好的美女福利视频网| 身体一侧抽搐| 亚洲精品在线美女| 99久久九九国产精品国产免费| 国产在线男女| 国产探花在线观看一区二区| 国产综合懂色| 一卡2卡三卡四卡精品乱码亚洲| 国产精品美女特级片免费视频播放器| 日韩有码中文字幕| 久久九九热精品免费| 男女视频在线观看网站免费| 天美传媒精品一区二区| 天堂√8在线中文| 十八禁网站免费在线| 黄片小视频在线播放| 中文字幕人成人乱码亚洲影| eeuss影院久久| 亚洲美女黄片视频| 日本免费一区二区三区高清不卡| 熟女电影av网| 亚洲国产精品合色在线| 看黄色毛片网站| 最近最新中文字幕大全电影3| 国产精品久久电影中文字幕| 校园春色视频在线观看| 国产亚洲欧美98| 欧美丝袜亚洲另类 | 一级毛片久久久久久久久女| 久久久久久久午夜电影| 国产成人福利小说| 亚洲无线在线观看| or卡值多少钱| 淫秽高清视频在线观看| 精品久久久久久久久av| 波多野结衣高清作品| 久久婷婷人人爽人人干人人爱| 日本与韩国留学比较| 国产午夜福利久久久久久| 精品一区二区三区人妻视频| 亚洲国产高清在线一区二区三| 亚洲专区国产一区二区| 亚洲专区国产一区二区| 女同久久另类99精品国产91| 亚洲一区二区三区色噜噜| 亚洲成人久久性| 国产午夜福利久久久久久| 国产免费一级a男人的天堂| 色哟哟哟哟哟哟| av天堂在线播放| 女同久久另类99精品国产91| 国产精品久久久久久久电影| 亚洲成人免费电影在线观看| 人妻夜夜爽99麻豆av| 91字幕亚洲| 无遮挡黄片免费观看| www日本黄色视频网| 在线观看一区二区三区| 亚洲片人在线观看| 精品国产三级普通话版| 丰满的人妻完整版| 久久久久久久久大av| 国产精品一及| 国产黄a三级三级三级人| 90打野战视频偷拍视频| a级毛片免费高清观看在线播放| 成年女人永久免费观看视频| 欧美一区二区亚洲| 欧美成人a在线观看| 一边摸一边抽搐一进一小说| 毛片一级片免费看久久久久 | avwww免费| 美女免费视频网站| 久久婷婷人人爽人人干人人爱| 丰满人妻一区二区三区视频av| 变态另类丝袜制服| av在线天堂中文字幕| 欧美激情在线99| 给我免费播放毛片高清在线观看| 国产欧美日韩一区二区精品| 中出人妻视频一区二区| 无人区码免费观看不卡| 一个人观看的视频www高清免费观看| 亚洲av一区综合| 亚洲欧美日韩卡通动漫| a在线观看视频网站| 能在线免费观看的黄片| 色视频www国产| 久久精品国产99精品国产亚洲性色| 麻豆国产av国片精品| xxxwww97欧美| 国产在线精品亚洲第一网站| 可以在线观看毛片的网站| 亚洲va日本ⅴa欧美va伊人久久| 国产乱人伦免费视频| 国产高潮美女av| 男人舔奶头视频| 欧美bdsm另类| www.999成人在线观看| 午夜福利免费观看在线| 午夜亚洲福利在线播放| 禁无遮挡网站| 少妇人妻精品综合一区二区 | 国产精品女同一区二区软件 | 午夜影院日韩av| 午夜免费成人在线视频| 久久精品夜夜夜夜夜久久蜜豆| 宅男免费午夜| 一级毛片久久久久久久久女| 久久性视频一级片| 99久久精品国产亚洲精品| 午夜福利成人在线免费观看| 国产av麻豆久久久久久久| 黄色一级大片看看| 国产精品一区二区三区四区免费观看 | 国产在线男女| 伦理电影大哥的女人| 麻豆久久精品国产亚洲av| 国产精品影院久久| 九九久久精品国产亚洲av麻豆| 免费高清视频大片| 天美传媒精品一区二区| 欧美xxxx黑人xx丫x性爽| 男人的好看免费观看在线视频| 久久99热6这里只有精品| 日韩欧美国产在线观看| 好看av亚洲va欧美ⅴa在| 国产毛片a区久久久久| 欧美三级亚洲精品| 亚洲自拍偷在线| 国产精品一及| 少妇裸体淫交视频免费看高清| 男人和女人高潮做爰伦理| xxxwww97欧美| 精品人妻偷拍中文字幕| 动漫黄色视频在线观看| 国产精品影院久久| www.色视频.com| 精品久久久久久久久av| 99久久无色码亚洲精品果冻| 能在线免费观看的黄片| 久久久久精品国产欧美久久久| 亚洲成av人片在线播放无| 九九在线视频观看精品| 午夜影院日韩av| 亚洲av日韩精品久久久久久密| 欧美zozozo另类| 日本撒尿小便嘘嘘汇集6| 男女那种视频在线观看| 国产黄片美女视频| 老熟妇仑乱视频hdxx| 中文字幕人成人乱码亚洲影| 亚洲自偷自拍三级| 亚洲av一区综合| 亚洲欧美日韩高清专用| 国产v大片淫在线免费观看| 人妻丰满熟妇av一区二区三区| 少妇的逼水好多| 亚洲 欧美 日韩 在线 免费| 丁香欧美五月| 国产一区二区激情短视频| 成人无遮挡网站| 又爽又黄无遮挡网站| 国产欧美日韩精品一区二区| 国产老妇女一区| 91av网一区二区| 哪里可以看免费的av片| 亚洲精品影视一区二区三区av| 精品人妻熟女av久视频| 亚洲不卡免费看| 国产精品99久久久久久久久| 国产精品一区二区性色av| 97人妻精品一区二区三区麻豆| 床上黄色一级片| 给我免费播放毛片高清在线观看| 久久精品国产亚洲av天美| 伊人久久精品亚洲午夜| 国产免费一级a男人的天堂| www.色视频.com| 午夜亚洲福利在线播放| 午夜激情欧美在线| 中文字幕人妻熟人妻熟丝袜美| 免费一级毛片在线播放高清视频| 麻豆成人av在线观看| 深夜a级毛片| 国产一区二区三区在线臀色熟女| 国产欧美日韩一区二区精品| 日本三级黄在线观看| 小蜜桃在线观看免费完整版高清| 伦理电影大哥的女人| 日本五十路高清| 精品一区二区免费观看| 天美传媒精品一区二区| aaaaa片日本免费| 99热这里只有是精品50| 欧美不卡视频在线免费观看| 欧美又色又爽又黄视频| 深夜精品福利| 国产精品爽爽va在线观看网站| 成人av在线播放网站| 中文字幕人妻熟人妻熟丝袜美| 内射极品少妇av片p| 午夜福利高清视频| 免费av毛片视频| 一级毛片久久久久久久久女| 日韩有码中文字幕| 国产淫片久久久久久久久 | av女优亚洲男人天堂| 欧美中文日本在线观看视频| 日日夜夜操网爽| 亚洲av二区三区四区| 中文字幕人成人乱码亚洲影| 天美传媒精品一区二区| 午夜激情欧美在线| 脱女人内裤的视频| 日本黄色视频三级网站网址| 男人舔女人下体高潮全视频| 亚洲av一区综合| 精品无人区乱码1区二区| 日韩大尺度精品在线看网址| 三级男女做爰猛烈吃奶摸视频| 亚洲专区中文字幕在线| 久久久久久久久久黄片| 成人无遮挡网站| 精品99又大又爽又粗少妇毛片 | 啦啦啦韩国在线观看视频| 成年女人看的毛片在线观看| 日韩欧美一区二区三区在线观看| 搡老妇女老女人老熟妇| 久久精品国产99精品国产亚洲性色| 99热这里只有是精品50| 欧美精品啪啪一区二区三区| 国产精品久久久久久亚洲av鲁大| 九色成人免费人妻av| 日韩有码中文字幕| 亚洲人成网站高清观看| 欧美激情久久久久久爽电影| 2021天堂中文幕一二区在线观| 久久精品国产清高在天天线| 日韩高清综合在线| 亚洲不卡免费看| 麻豆成人av在线观看| 国产伦精品一区二区三区视频9| 一区二区三区四区激情视频 | 成人鲁丝片一二三区免费| 赤兔流量卡办理| 欧美又色又爽又黄视频| 久久久精品欧美日韩精品| 午夜激情欧美在线| 成人永久免费在线观看视频| 99久久成人亚洲精品观看| av福利片在线观看| 久久精品国产亚洲av香蕉五月| 18美女黄网站色大片免费观看| 免费黄网站久久成人精品 | 欧美一区二区国产精品久久精品| 欧美成人性av电影在线观看| 日本一二三区视频观看| 亚洲在线自拍视频| 国产亚洲精品久久久久久毛片| 男人舔奶头视频| 精品国产三级普通话版| 99国产综合亚洲精品| 欧美激情在线99| 国产久久久一区二区三区| .国产精品久久| 国产蜜桃级精品一区二区三区| 女人十人毛片免费观看3o分钟| 亚洲欧美精品综合久久99| 国产乱人伦免费视频| 热99在线观看视频| av视频在线观看入口| 亚洲第一欧美日韩一区二区三区| 99国产精品一区二区三区| 亚洲成人精品中文字幕电影| 午夜亚洲福利在线播放| 欧美日韩亚洲国产一区二区在线观看| 国产探花极品一区二区| 一级a爱片免费观看的视频| 嫩草影院精品99| 97超级碰碰碰精品色视频在线观看| 免费观看精品视频网站| 麻豆久久精品国产亚洲av| 国产国拍精品亚洲av在线观看| 啪啪无遮挡十八禁网站| 丰满人妻熟妇乱又伦精品不卡| 日本黄色视频三级网站网址| 久久久久久久久久黄片| 禁无遮挡网站| 中文字幕久久专区| 我的老师免费观看完整版| 十八禁网站免费在线| 欧美色视频一区免费| 精品久久久久久久久久久久久| 免费无遮挡裸体视频| 久久精品国产亚洲av香蕉五月| 久久天躁狠狠躁夜夜2o2o| 欧美另类亚洲清纯唯美| av天堂中文字幕网| 午夜福利欧美成人| 午夜亚洲福利在线播放| 亚洲第一欧美日韩一区二区三区| 国产探花极品一区二区| 日韩中字成人| 国产高清有码在线观看视频| 色综合欧美亚洲国产小说| 婷婷亚洲欧美| 亚洲精品日韩av片在线观看| 一个人免费在线观看电影| 亚洲欧美激情综合另类| 搡老熟女国产l中国老女人| 精华霜和精华液先用哪个| 51午夜福利影视在线观看| 国产中年淑女户外野战色| 国产在线男女| 成人av一区二区三区在线看| 色哟哟·www| 日韩 亚洲 欧美在线| 人妻丰满熟妇av一区二区三区| 看片在线看免费视频| 成人美女网站在线观看视频| 精品日产1卡2卡| 免费在线观看成人毛片| 亚洲 国产 在线| 精品久久久久久久人妻蜜臀av| 午夜免费男女啪啪视频观看 | 九色成人免费人妻av| 亚洲国产色片| 国产成+人综合+亚洲专区| 国产高清激情床上av| 天天躁日日操中文字幕| 波多野结衣巨乳人妻| 亚洲美女视频黄频| 久久九九热精品免费| 天堂av国产一区二区熟女人妻| 自拍偷自拍亚洲精品老妇| 国产伦人伦偷精品视频| 亚洲天堂国产精品一区在线| 亚洲中文字幕日韩| 色综合站精品国产| 亚洲不卡免费看| 成人毛片a级毛片在线播放| 国产免费av片在线观看野外av| 久99久视频精品免费| 久久久久久久久久成人| 美女高潮喷水抽搐中文字幕| 日韩高清综合在线| 99久久99久久久精品蜜桃| 精品久久久久久久久亚洲 | 久久6这里有精品| 亚洲欧美日韩高清在线视频| 日韩人妻高清精品专区| 嫩草影院精品99| 色av中文字幕| 亚洲精品在线美女| 极品教师在线免费播放| 欧美极品一区二区三区四区| 国产一级毛片七仙女欲春2| 国产一区二区亚洲精品在线观看| 国产亚洲欧美98| 麻豆成人av在线观看| 亚洲国产欧美人成| 欧美色欧美亚洲另类二区| 日韩精品中文字幕看吧| 欧美精品国产亚洲| 久久久国产成人精品二区| 亚洲av五月六月丁香网| 欧美午夜高清在线| 国产人妻一区二区三区在| 欧美+日韩+精品| 黄片小视频在线播放| 18禁黄网站禁片午夜丰满| 欧美激情久久久久久爽电影| 免费高清视频大片| 国产激情偷乱视频一区二区| 一本精品99久久精品77| 一进一出抽搐gif免费好疼| 听说在线观看完整版免费高清| 99热这里只有精品一区| 日本黄大片高清| 欧美一区二区亚洲| 久久久久久久亚洲中文字幕 | 中文字幕精品亚洲无线码一区| 成年版毛片免费区| 欧美一区二区国产精品久久精品| 国产成人啪精品午夜网站| 日韩成人在线观看一区二区三区| 国产亚洲精品久久久com| 内射极品少妇av片p| 一二三四社区在线视频社区8| 如何舔出高潮| .国产精品久久| 深爱激情五月婷婷| 国产av一区在线观看免费| 自拍偷自拍亚洲精品老妇| 国产成人影院久久av| 在线播放无遮挡| 九九久久精品国产亚洲av麻豆| 午夜激情欧美在线| 国产精品亚洲一级av第二区| 乱人视频在线观看| 又爽又黄a免费视频| 精品一区二区三区视频在线观看免费| 国产伦人伦偷精品视频| 九色国产91popny在线| 久久人人精品亚洲av| 一本一本综合久久| 内射极品少妇av片p| 亚洲精品色激情综合| 极品教师在线视频| 成人av一区二区三区在线看| 精品免费久久久久久久清纯| 99精品在免费线老司机午夜| 久久精品久久久久久噜噜老黄 | 亚洲美女黄片视频| 亚洲精品久久国产高清桃花| 亚洲一区二区三区不卡视频| 男人舔女人下体高潮全视频| x7x7x7水蜜桃| 日韩中文字幕欧美一区二区| 欧美激情在线99| 国产伦在线观看视频一区| 国产成人福利小说| 十八禁国产超污无遮挡网站| 亚洲自拍偷在线| 51国产日韩欧美| 久久香蕉精品热| 日日干狠狠操夜夜爽| 可以在线观看毛片的网站| 高清日韩中文字幕在线| 精品99又大又爽又粗少妇毛片 | 黄色日韩在线| 国产精品三级大全| 级片在线观看| 最新中文字幕久久久久| 午夜激情欧美在线| av在线蜜桃| 午夜免费激情av| 欧美激情久久久久久爽电影| 亚洲狠狠婷婷综合久久图片| 久久久精品大字幕| 最新中文字幕久久久久| 国产精品伦人一区二区| 又粗又爽又猛毛片免费看| 久久久色成人| 在线观看免费视频日本深夜| 两个人视频免费观看高清| 午夜免费男女啪啪视频观看 | 99热精品在线国产| av欧美777| 精品日产1卡2卡| 亚洲精品在线观看二区| 精品熟女少妇八av免费久了| 亚洲欧美日韩东京热| 听说在线观看完整版免费高清| 怎么达到女性高潮| 丰满的人妻完整版| 99热这里只有精品一区| 午夜福利18| 美女 人体艺术 gogo| 国产精品一区二区性色av| 午夜福利视频1000在线观看| 91九色精品人成在线观看| 国产一区二区三区在线臀色熟女| 国产在线精品亚洲第一网站| 男女做爰动态图高潮gif福利片| 中出人妻视频一区二区| 免费看a级黄色片| 中文字幕精品亚洲无线码一区| 一进一出抽搐gif免费好疼| 成年人黄色毛片网站| 动漫黄色视频在线观看| 日韩高清综合在线| 婷婷精品国产亚洲av| 成人午夜高清在线视频| 国产伦在线观看视频一区| 亚洲最大成人av| 18+在线观看网站| 麻豆国产97在线/欧美| 亚洲欧美日韩高清在线视频| 亚洲国产欧洲综合997久久,| 日本一本二区三区精品| 免费电影在线观看免费观看| 日韩欧美在线二视频| av国产免费在线观看| 国产单亲对白刺激| av天堂在线播放| 国产亚洲欧美98| 午夜福利在线在线| 久久久久性生活片| 久久人人精品亚洲av| 国产亚洲欧美98| 深夜a级毛片| 精品99又大又爽又粗少妇毛片 | 午夜a级毛片| 欧美极品一区二区三区四区| 午夜福利欧美成人| 人妻久久中文字幕网| 搡老岳熟女国产| 欧美另类亚洲清纯唯美| 午夜a级毛片| 国产久久久一区二区三区| 国产精品av视频在线免费观看| 亚洲久久久久久中文字幕| 婷婷色综合大香蕉| 亚洲久久久久久中文字幕| 久久亚洲精品不卡| 亚洲久久久久久中文字幕| 午夜福利欧美成人| 免费黄网站久久成人精品 | 色视频www国产| 国产真实伦视频高清在线观看 | 国产69精品久久久久777片| 最好的美女福利视频网| 亚洲成a人片在线一区二区| 婷婷精品国产亚洲av在线| 亚洲人成伊人成综合网2020| 亚洲真实伦在线观看| 一级av片app| 国产不卡一卡二| 亚洲人成网站在线播| 最新中文字幕久久久久| 欧美另类亚洲清纯唯美| 久久亚洲精品不卡| 又爽又黄a免费视频| 国产精品免费一区二区三区在线| 亚洲av不卡在线观看| av欧美777| 欧美zozozo另类| 网址你懂的国产日韩在线| 欧美成人一区二区免费高清观看| 国产亚洲精品久久久久久毛片| 俺也久久电影网| 悠悠久久av| bbb黄色大片| 亚洲真实伦在线观看| 成年女人毛片免费观看观看9| 97人妻精品一区二区三区麻豆| 老司机午夜福利在线观看视频| 精华霜和精华液先用哪个| 欧洲精品卡2卡3卡4卡5卡区| 亚洲av.av天堂| 国产精品一区二区免费欧美| 久久精品夜夜夜夜夜久久蜜豆| 日韩欧美国产在线观看| www.999成人在线观看| 欧美潮喷喷水| 极品教师在线免费播放| 亚洲国产精品合色在线| 亚洲精华国产精华精| 夜夜看夜夜爽夜夜摸| 午夜精品久久久久久毛片777| 国产三级中文精品| 亚洲一区高清亚洲精品| 成人三级黄色视频| 亚洲av电影不卡..在线观看| 国产91精品成人一区二区三区| 高潮久久久久久久久久久不卡| 九色成人免费人妻av| 中文资源天堂在线| 久久6这里有精品|