基于Cycle-GAN+Faster R-CNN的除草机器人杂草识别算法研究

张瑞森; 万兴鸿; 陈子颖; 高昕; 唐亚南

首页> 中文期刊> 《南方农机》 >基于Cycle-GAN+Faster R-CNN的除草机器人杂草识别算法研究

基于Cycle-GAN+Faster R-CNN的除草机器人杂草识别算法研究

开具论文收录证明 >>

期刊封面封底目录下载 >>

文献代查 >>

页面导航

摘要
著录项
相似文献
相关主题

摘要

为解决人工除草耗时长、农药除草污染大的问题,需要更准、更快的杂草识别定位算法帮助除草机器人根除农田杂草.课题小组提出了一种基于Faster R-CNN的农田杂草反向识别改进算法,新算法利用循环一致性生成对抗网络(Cycle-GAN)的图像生成能力以解决训练样本稀缺的问题,同时将Cycle-GAN与快速区域卷积神经网络(Faster R-CNN)混合使用,从而提高杂草识别能力.试验结果表明,该方法在正常拍摄的测试集图片中识别率可以达到95.06％,识别结果优于传统Faster R-CNN的87.59％.该算法具有识别速度快、实时性好的优点,在果园、园林除草等方面具有应用价值.

著录项

来源
《南方农机》 |2021年第15期|7-10|共4页
作者
张瑞森; 万兴鸿; 陈子颖; 高昕; 唐亚南;
展开▼
作者单位

成都工业学院自动化与电气工程学院四川成都611730;

成都工业学院自动化与电气工程学院四川成都611730;

成都工业学院自动化与电气工程学院四川成都611730;

成都工业学院自动化与电气工程学院四川成都611730;

成都工业学院自动化与电气工程学院四川成都611730;

展开▼
原文格式 PDF
正文语种 chi
中图分类机器人;
关键词
快速区域卷积神经网络; 杂草识别; 循环一致性生成对抗网络; 实时性;

相似文献

中文文献
外文文献
专利

1. 基于主成分-贝叶斯分类模型的除草机器人杂草识别方法 [J] . 周影 ,房建东 ,赵于东 . 机床与液压 . 2018,第006期
2. 基于机器视觉的除草机器人杂草识别 [J] . 金小俊 ,陈勇 ,侯学贵 . 山东科技大学学报（自然科学版） . 2012,第002期
3. 基于优化Faster R-CNN的棉花苗期杂草识别与定位 [J] . 樊湘鹏 ,周建平 ,许燕 . 农业机械学报 . 2021,第005期
4. 基于Faster R-CNN的新疆棉花幼苗与杂草识别方法 [J] . 许燕 ,温德圣 ,周建平 . 排灌机械工程学报 . 2021,第006期
5. 基于Faster R-CNN和数据增强的棉田苗期杂草识别方法 [J] . 李开敬 ,许燕 ,周建平 . 新疆大学学报（自然科学版） . 2021,第004期
6. 基于GPS除草机器人自主移动平台导航控制系统设计 [C] . Chen Shuren ,陈树人 ,Chen Shanshan . 2014年“农业电气化与信息化工程与学科创新发展”学术年会 . 2014
7. 除草机器人杂草识别与视觉导航技术研究 [A] . 侯学贵 . 2007

基于Cycle-GAN+Faster R-CNN的除草机器人杂草识别算法研究

摘要

著录项

相似文献

相关主题

期刊订阅