典型文献
基于YOLOv3网络无人机影像橘子树识别
文献摘要：
利用高新遥感技术和先进的目标检测方法快速、准确地提取作物信息对精准农业的发展具有重要意义.为此,提出以高分辨率无人机影像为数据源,用标记数据训练YOLOv3网络,得到最优参数估计,形成针对橘子树识别的神经网络,实现密集的橘子树影像识别.为证明本方法的可靠性,用相同的样本在ENVI5.6平台Deep Learning模块进行实验对比.结果表明,本文方法可以高效、准确地从无人机影像中提取橘子树信息,其识别精度优于ENVI5.6平台Deep Learning模块的识别结果,模型运行稳定、可靠,可以作为统计农作物的可选择性方法.
文献关键词：
YOLOv3;深度学习;橘子树;无人机影像;精准农业
中图分类号：
作者姓名：
庞栋栋;刘刚;何敬;付饶
作者机构：
成都理工大学 地球科学学院,四川 成都610059;地质灾害防治与地质环境保护国家重点实验室,四川 成都610059
文献出处：
引用格式：
[1]庞栋栋;刘刚;何敬;付饶-.基于YOLOv3网络无人机影像橘子树识别)[J].测绘与空间地理信息,2022(04):32-36,40
A类：
B类：
YOLOv3,橘子树,遥感技术,目标检测方法,精准农业,高分辨率无人机影像,数据源,记数,数据训练,最优参数,参数估计,树影,影像识别,ENVI5,Deep,Learning,实验对比,识别精度,运行稳定,可选择性
AB值：
0.315483
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。
