典型文献
基于特征融合的棉花幼苗计数算法
文献摘要：
为了获取棉花幼苗数量,掌握播种成活率和出苗率等关键苗情信息,该研究提出一种基于特征融合的棉花幼苗计数算法.首先,该算法采用VGG-16作为基础模块提取图像特征,使用注意力模块(Convolutional Block Attention Module,CBAM)在通道和空间维度上进行特征增强,然后将增强后的特征与基础模块中的特征进行融合,进一步强化幼苗特征表达,最后通过去冗余和归一化操作得到计数结果.此外,还构建了一个包含399张棉花幼苗图像的数据集,其中包含了对212572株幼苗的精准手工标注点标签.在该数据集上的测试结果表明,所提出的棉花幼苗计数算法取得了较好的计数效果,平均计数误差(Mean Absolute Error,MAE)和均方根误差(Root Mean Square Error,RMSE)分别为63.46和81.33,对比多列卷积神经网络(Multi-column Convolutional Neural Network,MCNN)、拥挤场景识别网络(Congested Scene Recognition Network,CSRNet)、TasselNet、MobileCount等方法,MAE平均下降了48.8％,RMSE平均下降了45.3％.
文献关键词：
深度学习;算法;棉花;特征融合;注意力模块;幼苗计数
中图分类号：
作者姓名：
祁洋;李亚楠;孙明;徐文霞
作者机构：
武汉工程大学计算机科学与工程学院、人工智能学院,武汉 430205;武汉工程大学智能机器人湖北省重点实验室,武汉 430073
文献出处：
引用格式：
[1]祁洋;李亚楠;孙明;徐文霞-.基于特征融合的棉花幼苗计数算法)[J].农业工程学报,2022(09):180-186
A类：
幼苗计数,Congested,TasselNet,MobileCount
B类：
特征融合,棉花幼苗,数算,播种,成活率,出苗率,苗情,情信,VGG,基础模块,图像特征,注意力模块,Convolutional,Block,Attention,Module,CBAM,空间维度,特征增强,幼苗特征,特征表达,去冗,一个包,注点,Mean,Absolute,Error,MAE,Root,Square,RMSE,多列,Multi,column,Neural,Network,MCNN,拥挤场景,场景识别,识别网络,Scene,Recognition,CSRNet
AB值：
0.431539
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
