基于YOLOV3优化模型的复杂场景下茶树嫩芽识别

张晴晴，刘连忠，*，宁井铭，吴国栋，江朝晖，李孟杰，李栋梁

(1.安徽农业大学 信息与计算机学院，安徽 合肥 230036； 2.安徽农业大学 茶与食品科技学院，安徽 合肥 230036； 3.茶树生物学与资源利用国家重点实验室，安徽 合肥 230036)

中国是茶叶的原产地，也是最早发现和利用茶叶的国家。茶叶中含有的微量元素和有机化合物不仅可以提神止渴，长期饮用对于软化血管、降低消化道疾病发病率也有帮助[1]。茶叶出口是我国对外贸易的重要组成部分，但茶叶的单位产值却与其他国家有一定差距[2]。目前，采茶的方式主要分为人工采茶和机械采茶[3-5]两种。人工采茶虽然能够准确地对茶叶嫩芽进行采摘，但是费时耗力，劳动成本高。机器采茶解决了人工采茶速度慢的问题，提高了采茶效率，但不能精确地识别嫩芽与老叶，所采茶叶的品质不高，迫切需要研究茶树嫩芽的智能识别技术[6]。

为了实现茶树嫩芽的智能化采摘，基于机器视觉的茶树嫩芽检测与识别成为当前的研究热点。唐仙等[7]研究了传统方法下的茶树嫩芽分割，利用数码相机采集茶叶图像，基于阈值分割法进行嫩芽分割，比较了多种阈值分割法的优劣。汪建[8]结合颜色距离和边缘距离对自然条件下茶树嫩芽的分割，实验能较好地保存嫩芽的轮廓信息。传统分割算法较低的泛化能力，对于光照、拍摄角度、背景的要求较高，复杂背景下茶树嫩叶的精确识别与定位效果并不理想。自2014年Girshick等[9]首先使用R-CNN网络进行……