首页> 中文期刊> 《燕山大学学报》 >基于改进Faster R-CNN的核桃识别和定位

基于改进Faster R-CNN的核桃识别和定位

         

摘要

为实现核桃园林中青皮核桃的识别与定位,设计了基于深度卷积神经网络的机器视觉检测方法.该方法在Faster R-CNN模型基础上加入批归一化处理和感兴趣区域校准算法,对比4种不同特征提取器,建立适合本研究的卷积神经网络模型,并与其他主流检测算法进行对比试验.研究表明,在Faster R-CNN模型框架下使用VGG16特征提取器具有更优的性能,平均精确率为97.56%,平均检测耗时为0.219 s,与原始Faster R-CNN模型相比,改进后的算法模型精确率提高了5.19%,平均检测耗时减少了0.156 s;与YOLO v3、YOLO v4和SSD300等检测算法相比,所提方法在平均精确率和识别速度上具有综合优势.利用视频影像验证了该方法在园林环境中识别的可行性,能够保持较高的平均精确率和实时性.所提方法能够为机器人自动采摘核桃提供研究基础.

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号