• <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
    免费播放大片免费观看视频在线观看| 夜夜看夜夜爽夜夜摸| 人妻一区二区av| 国产成人午夜福利电影在线观看| 涩涩av久久男人的天堂| 99久久人妻综合| 亚洲美女搞黄在线观看| 久久久久久久久久久丰满| 中文字幕免费在线视频6| 热re99久久精品国产66热6| 99久久精品国产国产毛片| 中国国产av一级| 在线看a的网站| 夫妻性生交免费视频一级片| 大陆偷拍与自拍| 色网站视频免费| av.在线天堂| 欧美精品一区二区大全| 2022亚洲国产成人精品| 欧美日韩精品成人综合77777| av在线蜜桃| 永久网站在线| 免费观看在线日韩| 国内精品美女久久久久久| 美女脱内裤让男人舔精品视频| 黄色一级大片看看| 在线天堂最新版资源| 亚洲av欧美aⅴ国产| freevideosex欧美| 精品人妻偷拍中文字幕| 制服丝袜香蕉在线| 日韩av在线免费看完整版不卡| 交换朋友夫妻互换小说| 久久99精品国语久久久| 国产永久视频网站| 午夜福利在线在线| 中文欧美无线码| 视频区图区小说| 国产欧美另类精品又又久久亚洲欧美| 亚洲国产欧美人成| 国产亚洲午夜精品一区二区久久 | av国产精品久久久久影院| 一区二区三区免费毛片| 久久久色成人| 好男人在线观看高清免费视频| 国产av不卡久久| 久久久精品欧美日韩精品| 亚洲精品国产成人久久av| 久久久久久久精品精品| 成人无遮挡网站| 天天躁日日操中文字幕| 王馨瑶露胸无遮挡在线观看| 亚洲四区av| 三级国产精品片| 如何舔出高潮| 丝袜喷水一区| 欧美日本视频| av在线亚洲专区| 十八禁网站网址无遮挡 | 2018国产大陆天天弄谢| 少妇的逼好多水| 国产精品爽爽va在线观看网站| 少妇的逼好多水| 国国产精品蜜臀av免费| 男女国产视频网站| 亚洲av一区综合| 91久久精品国产一区二区三区| 精品亚洲乱码少妇综合久久| 国模一区二区三区四区视频| 2021少妇久久久久久久久久久| 国产精品嫩草影院av在线观看| 18禁裸乳无遮挡免费网站照片| 老司机影院成人| 极品教师在线视频| 97在线人人人人妻| 中文字幕久久专区| 日本一本二区三区精品| 国产免费又黄又爽又色| 国产精品国产av在线观看| 国产毛片a区久久久久| 三级经典国产精品| 亚洲av日韩在线播放| 免费高清在线观看视频在线观看| 中文欧美无线码| 亚洲欧美精品专区久久| 亚洲精品成人久久久久久| 久久精品国产自在天天线| 亚洲av男天堂| 自拍欧美九色日韩亚洲蝌蚪91 | 国产亚洲av片在线观看秒播厂| 国产 一区 欧美 日韩| 久久精品熟女亚洲av麻豆精品| 97超碰精品成人国产| 亚洲在久久综合| 美女脱内裤让男人舔精品视频| 边亲边吃奶的免费视频| 人妻少妇偷人精品九色| 久久国内精品自在自线图片| 国产美女午夜福利| 久久久色成人| 美女cb高潮喷水在线观看| 色婷婷久久久亚洲欧美| 青春草国产在线视频| 亚洲人成网站在线播| 国产日韩欧美亚洲二区| 少妇的逼水好多| 成人欧美大片| 波多野结衣巨乳人妻| 中国美白少妇内射xxxbb| 国产精品.久久久| 国产白丝娇喘喷水9色精品| .国产精品久久| 国产乱人视频| 日韩中字成人| 久久精品综合一区二区三区| 69人妻影院| 亚洲图色成人| 少妇的逼水好多| 人人妻人人澡人人爽人人夜夜| 午夜日本视频在线| 国产亚洲91精品色在线| 国精品久久久久久国模美| 熟女人妻精品中文字幕| 亚洲精品国产av蜜桃| 国产精品人妻久久久久久| 人妻夜夜爽99麻豆av| 日本色播在线视频| 自拍欧美九色日韩亚洲蝌蚪91 | 国产高清不卡午夜福利| 国产精品成人在线| 欧美精品国产亚洲| 午夜福利视频精品| 美女高潮的动态| 国产日韩欧美亚洲二区| 日日摸夜夜添夜夜添av毛片| 成人亚洲欧美一区二区av| 2021天堂中文幕一二区在线观| 久久99热这里只有精品18| 男女边吃奶边做爰视频| 丰满少妇做爰视频| 超碰97精品在线观看| 免费少妇av软件| 日本一本二区三区精品| 国产欧美日韩一区二区三区在线 | 日日撸夜夜添| 国产精品人妻久久久影院| 日本猛色少妇xxxxx猛交久久| 最近中文字幕2019免费版| 久久久a久久爽久久v久久| 狠狠精品人妻久久久久久综合| 97在线人人人人妻| 一区二区三区乱码不卡18| 中文精品一卡2卡3卡4更新| 91aial.com中文字幕在线观看| 亚洲av欧美aⅴ国产| 久久热精品热| 精品人妻偷拍中文字幕| 午夜福利高清视频| 久久女婷五月综合色啪小说 | 亚洲丝袜综合中文字幕| 免费观看av网站的网址| 国产亚洲91精品色在线| 少妇人妻精品综合一区二区| 精品视频人人做人人爽| 日本-黄色视频高清免费观看| 97人妻精品一区二区三区麻豆| 2018国产大陆天天弄谢| 偷拍熟女少妇极品色| 99久久中文字幕三级久久日本| 在线 av 中文字幕| 亚洲欧美日韩卡通动漫| 简卡轻食公司| 国产精品一二三区在线看| 天堂网av新在线| 在线观看人妻少妇| 99久久人妻综合| 联通29元200g的流量卡| 18+在线观看网站| 97超碰精品成人国产| 国产成人freesex在线| 大陆偷拍与自拍| 亚洲国产高清在线一区二区三| 国产男女超爽视频在线观看| 看十八女毛片水多多多| 网址你懂的国产日韩在线| 白带黄色成豆腐渣| 午夜精品一区二区三区免费看| 美女cb高潮喷水在线观看| 国产黄色视频一区二区在线观看| 在现免费观看毛片| 亚洲国产精品成人综合色| 亚洲自偷自拍三级| 自拍欧美九色日韩亚洲蝌蚪91 | 18禁裸乳无遮挡免费网站照片| 国产免费视频播放在线视频| 亚洲四区av| 99热6这里只有精品| 日本一二三区视频观看| 国产精品久久久久久av不卡| 久久97久久精品| 亚洲va在线va天堂va国产| 国产v大片淫在线免费观看| 免费人成在线观看视频色| 国产午夜精品久久久久久一区二区三区| 高清日韩中文字幕在线| 亚洲国产色片| 一个人看的www免费观看视频| 国产真实伦视频高清在线观看| 欧美国产精品一级二级三级 | 人体艺术视频欧美日本| 精品少妇久久久久久888优播| av女优亚洲男人天堂| 少妇的逼水好多| 国产高潮美女av| 日韩三级伦理在线观看| 人妻少妇偷人精品九色| 国产毛片在线视频| 一区二区三区精品91| 五月伊人婷婷丁香| 91久久精品国产一区二区成人| 色视频www国产| 精品久久久久久久人妻蜜臀av| 欧美区成人在线视频| 亚洲最大成人av| 亚洲欧美日韩另类电影网站 | av一本久久久久| 久热久热在线精品观看| 中国美白少妇内射xxxbb| av.在线天堂| 亚洲精品乱码久久久久久按摩| 国产毛片a区久久久久| 亚洲欧美日韩东京热| 成年版毛片免费区| 天堂中文最新版在线下载 | 在线看a的网站| 只有这里有精品99| 天美传媒精品一区二区| 久久6这里有精品| 大香蕉97超碰在线| 美女视频免费永久观看网站| 熟女av电影| 国产一区二区三区综合在线观看 | 午夜视频国产福利| 成人美女网站在线观看视频| 午夜免费观看性视频| 国产毛片a区久久久久| 日本免费在线观看一区| 亚洲成人精品中文字幕电影| 七月丁香在线播放| 夫妻午夜视频| 国产一区二区亚洲精品在线观看| 狂野欧美激情性xxxx在线观看| 亚洲精品国产成人久久av| 免费观看无遮挡的男女| 国产成人aa在线观看| 亚洲精品456在线播放app| 大又大粗又爽又黄少妇毛片口| 午夜免费观看性视频| 亚洲成色77777| 永久网站在线| 欧美日韩在线观看h| 日韩大片免费观看网站| 综合色av麻豆| 黑人高潮一二区| 国产成人免费观看mmmm| 亚洲精品成人久久久久久| 五月玫瑰六月丁香| 久久ye,这里只有精品| 最后的刺客免费高清国语| 午夜福利视频1000在线观看| 亚洲va在线va天堂va国产| 久久精品久久久久久久性| 欧美丝袜亚洲另类| 免费黄网站久久成人精品| 免费av观看视频| 久久99精品国语久久久| 中国三级夫妇交换| 黄色怎么调成土黄色| 久热久热在线精品观看| 欧美变态另类bdsm刘玥| 美女脱内裤让男人舔精品视频| 交换朋友夫妻互换小说| 草草在线视频免费看| 成人国产av品久久久| 国产精品一区二区性色av| 亚洲怡红院男人天堂| 国产片特级美女逼逼视频| 在线免费观看不下载黄p国产| av线在线观看网站| 亚洲在久久综合| 波野结衣二区三区在线| 人妻夜夜爽99麻豆av| 免费看光身美女| 日韩在线高清观看一区二区三区| 久久久久网色| 麻豆成人午夜福利视频| 天美传媒精品一区二区| 简卡轻食公司| 久久人人爽人人片av| 五月天丁香电影| 成人二区视频| 亚洲成人av在线免费| 久久精品国产自在天天线| 国产一区二区在线观看日韩| 亚洲内射少妇av| 国产亚洲一区二区精品| 成人综合一区亚洲| 成人亚洲欧美一区二区av| 3wmmmm亚洲av在线观看| 一级毛片我不卡| 色视频www国产| 欧美成人精品欧美一级黄| 国产一区二区三区综合在线观看 | 亚洲av福利一区| 成人无遮挡网站| 免费黄色在线免费观看| 国产精品麻豆人妻色哟哟久久| h日本视频在线播放| 神马国产精品三级电影在线观看| 制服丝袜香蕉在线| a级毛片免费高清观看在线播放| 亚洲aⅴ乱码一区二区在线播放| 精品一区二区三区视频在线| 可以在线观看毛片的网站| 男女边摸边吃奶| 久久久国产一区二区| 午夜福利视频1000在线观看| 极品教师在线视频| 高清视频免费观看一区二区| 91午夜精品亚洲一区二区三区| 精品国产乱码久久久久久小说| 日韩三级伦理在线观看| 性插视频无遮挡在线免费观看| 建设人人有责人人尽责人人享有的 | 久久久久久久午夜电影| 美女cb高潮喷水在线观看| 久久精品国产亚洲av天美| 色5月婷婷丁香| 日产精品乱码卡一卡2卡三| 午夜福利视频精品| 91精品国产九色| 成人高潮视频无遮挡免费网站| 22中文网久久字幕| 国产av国产精品国产| 久久精品国产亚洲网站| 老师上课跳d突然被开到最大视频| 人体艺术视频欧美日本| 精品一区二区免费观看| av卡一久久| 美女高潮的动态| 秋霞伦理黄片| 我的老师免费观看完整版| 欧美国产精品一级二级三级 | 晚上一个人看的免费电影| 国产精品不卡视频一区二区| 国产乱人视频| 亚洲美女视频黄频| 久久ye,这里只有精品| 晚上一个人看的免费电影| 大话2 男鬼变身卡| 国产综合精华液| 色视频www国产| av在线亚洲专区| 午夜福利在线在线| 午夜激情久久久久久久| 国产精品嫩草影院av在线观看| 久久精品国产a三级三级三级| 伦精品一区二区三区| 日韩av在线免费看完整版不卡| 国产伦精品一区二区三区视频9| 69人妻影院| 国产精品久久久久久久久免| 国产精品人妻久久久久久| 国产精品成人在线| 春色校园在线视频观看| 伊人久久国产一区二区| 亚洲激情五月婷婷啪啪| 国产亚洲午夜精品一区二区久久 | 97超碰精品成人国产| 午夜福利在线在线| 久久久久久久午夜电影| 国产片特级美女逼逼视频| 国产成人精品一,二区| 国产一区二区三区av在线| 色视频在线一区二区三区| 性色av一级| 国产伦在线观看视频一区| 欧美精品人与动牲交sv欧美| 99久久中文字幕三级久久日本| av一本久久久久| 久久99热6这里只有精品| 久久亚洲国产成人精品v| 纵有疾风起免费观看全集完整版| 亚洲一级一片aⅴ在线观看| 中文字幕久久专区| 熟女人妻精品中文字幕| 国产精品一二三区在线看| 色视频www国产| 欧美潮喷喷水| 久久久久国产网址| 哪个播放器可以免费观看大片| 亚洲最大成人av| 日本黄色片子视频| 99久久精品一区二区三区| 亚洲电影在线观看av| 日韩不卡一区二区三区视频在线| 国产高清国产精品国产三级 | 人妻制服诱惑在线中文字幕| 亚洲激情五月婷婷啪啪| 亚洲最大成人av| a级毛色黄片| 成人一区二区视频在线观看| 色网站视频免费| 爱豆传媒免费全集在线观看| 2021少妇久久久久久久久久久| 国产一级毛片在线| 亚洲无线观看免费| 亚洲精品乱码久久久久久按摩| 大片电影免费在线观看免费| 亚洲国产最新在线播放| 尤物成人国产欧美一区二区三区| 亚洲国产精品999| 在线亚洲精品国产二区图片欧美 | 三级经典国产精品| 日韩欧美精品v在线| 九九久久精品国产亚洲av麻豆| 综合色av麻豆| 国产淫片久久久久久久久| 午夜免费男女啪啪视频观看| 午夜福利在线在线| 亚洲精品国产色婷婷电影| 精品人妻一区二区三区麻豆| 国产免费福利视频在线观看| 午夜福利视频精品| 一级av片app| 亚洲av男天堂| 麻豆乱淫一区二区| 纵有疾风起免费观看全集完整版| 亚洲av福利一区| 国产精品蜜桃在线观看| 国产男女超爽视频在线观看| 亚洲内射少妇av| 高清毛片免费看| 亚洲第一区二区三区不卡| 国产黄a三级三级三级人| 黄色视频在线播放观看不卡| 伊人久久精品亚洲午夜| 日韩制服骚丝袜av| 日韩免费高清中文字幕av| 联通29元200g的流量卡| 日韩av不卡免费在线播放| 精品少妇久久久久久888优播| 成人二区视频| 亚洲电影在线观看av| 视频区图区小说| 国产亚洲av嫩草精品影院| 99热这里只有是精品50| 成年版毛片免费区| 国产亚洲91精品色在线| 国产精品国产三级国产专区5o| 99久久精品一区二区三区| 黄片无遮挡物在线观看| 九九爱精品视频在线观看| 国产午夜精品久久久久久一区二区三区| 亚洲成人中文字幕在线播放| 丝袜喷水一区| 精品熟女少妇av免费看| 国产亚洲最大av| 欧美极品一区二区三区四区| 久久久久久久久久人人人人人人| www.色视频.com| 麻豆成人午夜福利视频| 男人添女人高潮全过程视频| 在线看a的网站| 亚洲欧洲日产国产| 在线观看人妻少妇| 亚洲一区二区三区欧美精品 | 免费观看性生交大片5| 国产高清三级在线| 日韩欧美 国产精品| 丰满乱子伦码专区| 久久精品国产亚洲av天美| 欧美日韩精品成人综合77777| 女人十人毛片免费观看3o分钟| 狠狠精品人妻久久久久久综合| 女人久久www免费人成看片| 日韩三级伦理在线观看| 人妻系列 视频| 欧美最新免费一区二区三区| 日日撸夜夜添| 新久久久久国产一级毛片| 亚洲欧洲国产日韩| 久热久热在线精品观看| 久久99蜜桃精品久久| 少妇人妻精品综合一区二区| 国产女主播在线喷水免费视频网站| 卡戴珊不雅视频在线播放| 精品视频人人做人人爽| 亚洲自偷自拍三级| 建设人人有责人人尽责人人享有的 | 中文天堂在线官网| 国模一区二区三区四区视频| 精品久久久噜噜| 国产极品天堂在线| 亚洲国产精品成人综合色| 老师上课跳d突然被开到最大视频| 亚洲欧美一区二区三区黑人 | av在线蜜桃| 一级a做视频免费观看| 黄色欧美视频在线观看| 日本色播在线视频| 毛片女人毛片| 久热这里只有精品99| 五月伊人婷婷丁香| 少妇裸体淫交视频免费看高清| 久热这里只有精品99| 亚洲精品久久久久久婷婷小说| 国产精品女同一区二区软件| 国产综合懂色| 自拍偷自拍亚洲精品老妇| 久久精品久久久久久久性| 国产一区二区三区av在线| 亚洲精品456在线播放app| 美女主播在线视频| 亚洲av不卡在线观看| 男人舔奶头视频| 午夜福利视频精品| 久久精品人妻少妇| 日本一二三区视频观看| 22中文网久久字幕| 女人十人毛片免费观看3o分钟| 亚洲人成网站高清观看| 老司机影院毛片| 国产欧美另类精品又又久久亚洲欧美| 国产人妻一区二区三区在| 欧美老熟妇乱子伦牲交| 午夜福利在线在线| 一区二区三区四区激情视频| 涩涩av久久男人的天堂| 国产黄频视频在线观看| 在线 av 中文字幕| 国内精品美女久久久久久| 久久影院123| 国产高清三级在线| 亚洲av国产av综合av卡| 久久韩国三级中文字幕| av在线app专区| 免费av毛片视频| 久久久久国产精品人妻一区二区| 久久精品国产亚洲av涩爱| 午夜激情久久久久久久| 久久久久久久国产电影| 亚洲成人精品中文字幕电影| av在线播放精品| 久久久精品免费免费高清| 国产伦精品一区二区三区视频9| 女人十人毛片免费观看3o分钟| 国产大屁股一区二区在线视频| 亚洲av国产av综合av卡| 亚洲最大成人手机在线| 美女脱内裤让男人舔精品视频| 夫妻午夜视频| 高清在线视频一区二区三区| 日韩一本色道免费dvd| av卡一久久| 日日摸夜夜添夜夜添av毛片| 22中文网久久字幕| 一区二区三区免费毛片| 女人久久www免费人成看片| 搡老乐熟女国产| 青春草视频在线免费观看| 日韩伦理黄色片| 黄色视频在线播放观看不卡| 国产欧美亚洲国产| 国产精品爽爽va在线观看网站| 免费看日本二区| 身体一侧抽搐| 久久精品久久精品一区二区三区| kizo精华| 国产成年人精品一区二区| 亚洲精品中文字幕在线视频 | 午夜福利在线在线| 美女内射精品一级片tv| 久久久久久久久久成人| 亚洲内射少妇av| 另类亚洲欧美激情| 国产男人的电影天堂91| 亚洲精品乱码久久久v下载方式| 寂寞人妻少妇视频99o| 久久久精品欧美日韩精品| 国产毛片a区久久久久| 国产精品三级大全| av在线老鸭窝| 黄片wwwwww| 高清在线视频一区二区三区| 精品国产乱码久久久久久小说| 男人和女人高潮做爰伦理| 国产精品99久久久久久久久| 久久久久久久久大av| 中文字幕人妻熟人妻熟丝袜美| 久久久午夜欧美精品| 大香蕉97超碰在线| .国产精品久久| 国产综合精华液| .国产精品久久| av国产精品久久久久影院| 免费av观看视频| 国产男女内射视频| 中文资源天堂在线| 亚洲精品乱久久久久久| 内地一区二区视频在线| 亚洲精品成人久久久久久| 亚洲精品一区蜜桃| 亚洲熟女精品中文字幕| 久久精品国产亚洲网站|