来源：期刊VIP网 时间：
作者：戈秀龙;戴文华;李积武;赵云;沈佳健;
单位：嘉兴职业技术学院;嘉兴市农情监测与信息中心;嘉兴大学;平湖市农机管理服务站;
摘要：为了提高葡萄种植棚内葡萄自动采摘的准确度和效率，在葡萄的图像识别中必须依靠性能优越的嵌入式计算机和轻量级低延迟的神经网络模型。为此，基于OpenMV4 H7 Plus和OpenMV IDE开发环境，在葡萄种植棚中现场采集葡萄图片，利用PyCharm的Python编程，经过旋转、平移、缩放和噪声添加等操作后形成扩展的深度学习葡萄图像数据集；应用Edge Impulse搭建模型规模小、检测速度快的MobileNet V2神经网络，以像素96×96作为输入并采用迁移学习的方式训练，得到反映模型质量的Epoch Loss、Train Loss、Recall和F1 Score等指标，显示在经过一定的学习循环后Epoch Loss、Train Loss均收敛到较小值且Recall和F1 Score逐步趋于稳定，其验证集准确度为92.4%;同时，搭建了一个试验装置，将所得模型部署到OpenMV4 H7 Plus模块，模拟试验摄像头相对葡萄横向移动时的识别效果。研究结果表明：配置了神经网络学习算法的OpenMV4 H7 Plus模块对葡萄识别准确度较高且识别速度较快，具有一定的应用价值。
关键词：葡萄图像识别;;机器视觉;;神经网络;;OpenMV4 H7 Plus;;MobileNet V2
基金资助：嘉兴市科技计划项目(2023AY31024);; 浙江省科技计划项目(2023C04088)
