.png){kind=icon}
.png){kind=icon}
返回
Potato Centroid Recognition Method Based on Lightweight Convolutional Network
.png){kind=icon}
PRE
AI
DOI：10.1007/s11540-026-10073-4.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
切割均匀性显著影响马铃薯种薯后续的生长发育；然而，这一关键因素在自动化种薯切割过程中常被忽视。本研究利用自研的智能种薯切割机，采用基于机器视觉的方法提取马铃薯质心，作为位置参考以提升切割均匀性。传统机器视觉方法在质心识别中易受边缘提取时的环境干扰，而常规语义分割算法存在精度有限、计算量高的问题，难以满足实时性能要求。为解决上述局限性，本研究提出一种改进的DFANet模型用于马铃薯质心识别。该改进的DFANet模型结合传统矩特征计算方法，确保了马铃薯质心的精确提取。实验结果表明，改进的DFANet模型达到98.78%的准确率、98.65%的召回率、97.48%的交并比（mIoU）和98.65%的平均像素精度，且模型体积仅5.09Mb。这些指标证明了其在实际种薯切割应用中的有效性。
Keyword:
Centroid recognition
Deep learning
DFANet
Image segmentation
Potato