典型文献
基于轻量化深度学习模型的豆角苗-杂草检测方法
文献摘要：
除草是保证农业丰产的重要环节,杂草识别是自动化除草的关键.为了满足在中小型除草机器人上的使用,将轻量级深度学习模型MobileNet-SSD应用于杂草识别.选取豆角苗和杂草作为实验对象,将实验目标细分为大目标和普通目标,针对大目标改动了MobileNet-SSD模型的特征层.对比原模型、改动模型和标准SSD模型,以MobileNet作为主干网络时识别速度提升了2倍.改动模型比原模型在普通目标检测上精度降低了3.15％,对大目标检测精度提高了3.23％.实验表明:MobileNet-SSD模型与改动模型都具有体积小、识别率高、检测速度快等优点,在检测普通目标与大目标时各有优劣.
文献关键词：
杂草识别;目标检测;轻量化模型;深度学习
中图分类号：
作者姓名：
李兆旭;蒋红海;杨肖;曹志鹏
作者机构：
650504 云南省 昆明市 昆明理工大学 机电工程学院
文献出处：
引用格式：
[1]李兆旭;蒋红海;杨肖;曹志鹏-.基于轻量化深度学习模型的豆角苗-杂草检测方法)[J].农业装备与车辆工程,2022(09):98-102,107
A类：
B类：
深度学习模型,豆角,丰产,杂草识别,化除,中小型,除草机器人,轻量级,MobileNet,SSD,实验对象,大目标,改动,主干网络,目标检测,检测精度,体积小,识别率高,检测速度,轻量化模型
AB值：
0.302194
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。
