基于Faster R-CNN的田间西兰花幼苗图像检测方法

孙哲; 张春龙; 葛鲁镇; 张铭; 李伟; 谭豫之

首页> 中文期刊> 《农业机械学报》 >基于Faster R-CNN的田间西兰花幼苗图像检测方法

基于Faster R-CNN的田间西兰花幼苗图像检测方法

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

为解决自然环境下作物识别率不高、鲁棒性不强等问题,以西兰花幼苗为研究对象,提出了一种基于FasterR-CNN模型的作物检测方法.根据田间环境特点,采集不同光照强度、不同地面含水率和不同杂草密度下的西兰花幼苗图像,以确保样本多样性,并通过数据增强手段扩大样本量,制作PASCAL VOC格式数据集.针对此数据集训练Faster R-CNN模型,通过设计ResNet101、ResNet50与VGG16网络的对比试验,确定ResNet101网络为最优特征提取网络,其平均精度为90.89％,平均检测时间249 ms.在此基础上优化网络超参数,确定Dropout值为0.6时,模型识别效果最佳,其平均精度达到91.73％.结果表明,本文方法能够对自然环境下的西兰花幼苗进行有效检测,可为农业智能除草作业中的作物识别提供借鉴.

著录项

来源
《农业机械学报》 |2019年第7期|216-221|共6页
作者
孙哲; 张春龙; 葛鲁镇; 张铭; 李伟; 谭豫之;
展开▼
作者单位

中国农业大学工学院;

北京100083;

中国农业大学工学院;

北京100083;

中国农业大学工学院;

北京100083;

中国农业大学工学院;

北京100083;

中国农业大学工学院;

北京100083;

中国农业大学工学院;

北京100083;

展开▼
原文格式 PDF
正文语种 chi
中图分类模式识别与装置;
关键词
西兰花幼苗; 作物识别; 深度学习; 卷积神经网络; Faster R-CNN;

相似文献

中文文献
外文文献
专利

1. 基于改进Faster R-CNN的田间植株幼苗检测方法 [J] . 陈旭君 ,王承祥 ,孙福 . 江苏农业科学 . 2021,第004期
2. 基于Faster R-CNN的多任务增强裂缝图像检测方法 [J] . 毛莺池 ,唐江红 ,王静 . 智能系统学报 . 2021,第002期
3. 基于改进Faster R-CNN模型的SAR图像溢油检测方法 [J] . 张天龙 ,过杰 . 海洋科学 . 2021,第005期
4. 基于Faster R-CNN的灵武长枣图像检测方法 [J] . 王昱潭 ,朱超伟 ,赵琛 . 计算机工程与应用 . 2021,第004期
5. 基于Faster R-CNN和图像增强的水下鱼类目标检测方法 [J] . 袁红春 ,张硕 . 大连海洋大学学报 . 2020,第004期
6. 一种基于Fast R-CNN的车辆目标检测方法 [C] . Shiyu Cao ,曹诗雨 ,Yuehu Liu . 第18届全国图象图形学学术会议 . -1
7. 基于Faster R-CNN和知识表达的航拍图像中螺栓缺陷检测方法研究 [A] . 齐鸿雨 . 2020

基于Faster R-CNN的田间西兰花幼苗图像检测方法

摘要

著录项

相似文献

相关主题

期刊订阅